Blind source separation: a new pre-processing tool for rotating machines monitoring?

Blind source separation (BSS) is a general signal processing method, which consists of recovering from a finite set of observations recorded by sensors, the contributions of different physical sources independently of the propagation medium and without any a priori knowledge of the sources. Recently, these methods paved a new way for the monitoring or the diagnosis of mechanical systems in a working environment. Actually, we show that BSS allows recovering the vibratory information issued from a single rotating machine working in a noisy environment by freeing the sensor signal from the contribution of other working machines. In that way, BSS can be used as a pre-processing step for rotating machine fault detection and diagnosis.     

基于Gabor变换和盲源分离的旋转机械故障诊断方法

传统的盲源分离方法要求源信号相互统计独立,但是实际机械设备很难满足这个条件。为此,提出了一种基于Gabor变换和盲源分离相结合的旋转机械故障诊断方法。首先通过不同混合信号的Gabor变换系数之间的相互关系,得到源信号间的公共频率成分,然后对观测信号进行滤波处理,得到新的观测信号,最后利用矩阵联合对角化方法进行分离,实现相关源信号盲分离。该方法突破了传统盲源分离方法中要求源信号相互统计独立且最多只能有一个高斯信号的限制,仿真和实验结果验证了该方法的有效性和可行性。     

基于EMMD的欠定旋转机械振动信号盲源分离

传统盲源分离算法通常基于观测信号数不小于源信号数的假设, 当观测信号数小于源信号数时, 盲源分离效果较差, 而欠定的甚至单通道信号的盲源分离问题普遍存在于旋转机械中, 针对该问题, 提出一种基于极值域均值分解的欠定旋转机械振动信号盲源分离算法。首先把欠定的观测信号进行极值域均值分解得到一系列本征模函数, 将欠定观测信号和其本征模函数组成多维信号, 作为新的观测信号实现升维;然后利用奇异值分解和贝叶斯准则进行源数估计, 最后利用基于四阶累积量的特征矩阵联合对角化方法实现信号的盲分离。仿真结果表明, 该方法能够有效地解决欠定观测信号的盲源分离问题。     

基于近场声全息的故障诊断方法及系统实现

针对基于振动信号故障诊断存在的接触式测量弊端及传统声学故障诊断只反映部分声学信息问题,将近场声全息技术引入故障诊断克服该缺陷。基于LabVIEW平台开发出的非接触式机械故障诊断系统,利用近场声全息重建机械声源面附近声压场,得到可视化声源的声像图;从声像图中提取反映声场空间分布的灰度共生矩阵特征,结合支持向量机模式识别实现智能故障诊断。该系统具备智能诊断测试、声源可视化、数据分析等功能,操作方便,可用性强。通过对齿轮箱故障诊断,正确率达97.3%。与传统声学诊断方法的对比,证明该系统可靠、实用。     

复杂声场中的频谱分离

工厂里多台机器同时运行时发出的声音和环境噪声一起构成复杂声场，每台机器的声学诊断都受到其它机器的严重干扰。用一组传声器在不同位置测得声音信号，利用盲源分离思想并结合声学故障诊断特点对混合信号进行频谱分离，得到各台机器的特征频谱结构图，使得对每台机器进行声学故障诊断成为可能。经过仿真测试和实验研究，证明了该算法的有效性，并通过讨论指出进一步研究的方向。     

旋转点声源声场的数值仿真计算

旋转声源辐射声场的计算是利用点源模型预测风扇离散噪声的关键所在,对叶片式机械气动噪声的研究具有重要参考价值.提供了在任意边界条件下计算旋转点声源辐射卢场的数值仿真计算方法.将连续的旋转声源离散化,处理为分布于旋转轨迹上的有限个固定点声源.利用离散化处理后的声源,通过边界元法分别计算旋转单极子和旋转点力源的辐射声场.在自由空间内的计算结果与理论解进行了对比验证,得到较为理想的结果:另外进行了有限长圆管内旋转点声源辐射声场的数值计算,由此对不同长度圆管的结果进行对比,分析了管道长度对声场分布以及指向性的影响规律.     

机械声混合及其盲分离技术的研究

盲源分离是一个很有优势的盲信号分析与处理工具,在机械状态监测与故障诊断领域有较好的应用前景.但在实际应用于机械源信号、尤其是机械声源信号分离中,源分离精度还不够高.鉴于此,在分析机械声产生、传播与混合机理以及盲分离算法基础上,提出了新的解决途径,特别是基于带通滤波改进的盲源分离新方法.仿真以及实际的机械声源盲分离实验结果,证实了新方法的有效性.     

高速公路高架段桥下反射声识别及改善措施

台湾因为中山高速公路承载量逐年不足,拟通过兴建汐五高架来解决交通拥堵问题。该工程虽然有效地解决了交通拥堵问题,但高架桥的桥腹反而变成了平面路段交通噪声的反射面,使当地原有噪声问题更加严重。文章通过声源识别技术取得现场不同声源的贡献量,其中以反射声为环境噪声的主要增量来源。基于前述声源识别结果,针对桥底反射声设计了不同几何形状的桥底吸声装置(W型以及倒N型吸声装置),两种桥底吸声装置的声学检测结果显示,W型以及倒N型吸声装置的斜入射吸声性能较平面型吸声板好。另外依据实测成果可知,进行大型工程的噪声改善前,通过声源识别技术区分出主要和次要噪声源,并针对噪声源提出最佳的改善方案,可大幅提升改善工程的效益。     

水下耦合机械噪声源的量化识别及试验

目前水下机械噪声源及其传递路径识别效果较难。为此,将盲源分离算法和传递路径分析方法融合和集成。视多振源信号为卷积混叠,结合LU分解,提出一种新的非正交联合块对角化方法进行耦合振动源的分离。将分离振源作为工况传递路径分析方法的输入振源,建立水下机械振动噪声源识别算法,并对潜艇舱段模型的水下振动-声辐射试验对算法进行验证。结果表明,与现存方法相比,该盲源分离算法具有易实现、收敛速度快、精度高等优点;所集成的源识别算法在水下声场预报和振源贡献量排序中的性能均优于振源耦合时的结果,与实际情况吻合好,达到了高效、准确地识别机械噪声源的目的。     

旋转机械故障信号的去噪源分析

旋转机械振动信号是其故障特征识别与诊断的重要信息来源,将应用统计特征来分解混合信号的去噪源分离(DSS)引入到旋转机械故障诊断中。研究DSS基本理论及其正切去噪函数,并进行模拟信号分离,其分离后的性能指标及与源信号相似系数均优于盲源分离;并将DSS应用于某燃气轮机的实测故障信号分析,诊断出转子发生不平衡及异频伪共振现象,表明该方法在旋转机械故障诊断中的有效性,为机械设备的状态监测和故障诊断提供新的思路和方法。     

基于KS检验的智能故障诊断方法研究

提出了一种利用KS检验对机械故障进行分类的新方法。通过仿真试验和齿轮故障诊断，说明该方法在数据样本含有一定噪声时也能正确判断故障。在利用少量轴承时域故障数据样本建立多故障分类系统后，仅仅需要极短时间就能准确分类多种故障。结果表明，该方法具有很好的分类能力和较高的计算效率，完全可以满足智能故障诊断的要求。     

振动监测技术在旋转机械故障诊断中的应用

随着旋转设备结构复杂程度的提高,其故障发生的几率也随之增加,对故障检测技术要求更高。通过对机械设备振动信号的分析判断故障特征及部位,是旋转机械故障诊断主要手段。文章首先对振动监测技术的原理及典型振动故障的表现形式进行介绍,并利用振动监测技术,举例说明振动监测技术在旋转机械故障诊断中的应用。     

独立分量分析及其在故障诊断中的应用

独立分量分析是盲源分离的一种新方法，其处理的对象是相互统计独立的信号源经线性组合而产生的一组混合信号，最终目的是从混合信号中分离出各独立的信号分量。本简要介绍了独立分量分析的基本思想及算法，并对现场采集到的多组振动信号进行了分析，结果表明，独立分量分析在对混合信号进行盲分离方面具有很强的能力，从而为机械设备状态监测与故障诊断提供了一种行之有效的信号预处理的新方法。     

基于局部均值分解与形态谱的旋转机械故障诊断方法

针对旋转机械不同类型故障会使振动信号具有不同形态特征及振动信号信噪比低等特点,提出基于局部均值分解（Local Mean Decomposition,LMD）与形态谱的旋转机械故障诊断方法。其中的LMD能对旋转机械原始振动信号进行降噪处理,而形态谱则能反映振动信号的形态特征,从而能判断旋转机械的工作状态。将该方法用于转子系统故障诊断,分析结果表明,该方法能有效提取旋转机械故障振动信号的故障特征,能准确识别旋转机械的故障状态。     

基于单元阻抗耦合法的声场重建

基于单元阻抗耦合法,研究封闭空间中的辐射声场重建问题。以长方体房间中三个单极子声源辐射声场为对象,首先在房间中建立包含三个单极子的矩形包络面,将房间分成两个完全独立的空间：声源空间（含声源）和接收空间（不含声源）。随后,将矩形包络面划分成若干个矩形单元,在声源空间中测量矩形单元的声压分布和声源阻抗,并在接收空间中测量矩形单元的接收阻抗。最后,用这三个测量值重建了三个单极子在接收空间形成的声场,实现了接收空间的声场重建。实验分析说明,当选取的矩形单元边长小于声音最小波长的1/5～1/3时,重建可得到稳定声场,且与实际声场相比误差很小。     

楼宇设备工程中的结构声源的简化描述

自由速度矢量和导纳矩阵是对结构噪声源的完整描述,但由于包含太多的元素,缺乏实用性,需要进行简化。本文以特征值理论为基础,针对楼宇设备工程中具有较普遍的大导纳源安装到小导纳支撑结构的特点,进行简化描述问题的研究。结果表明,进入到支撑结构的功率可近似的表示成支撑结构平均点导纳实部与独立支撑结构的机器各点的阻塞力的平方和的乘积,从而把描述结构噪声源包含过多的元素收缩成为一个参数。     

Sound quality analysis of slide adjuster for automotive power seat using stepwise regression

This study has analyzed the effect of noise sources of power seat slide adjuster on sound quality and human sensitivity through statistical methods. First, sound quality analysis using sound quality metrics was performed to analyze objective data. Next, the subjective evaluation of sound quality was performed by a jury test. There were two types of sound sources used for the jury test; one was two original sounds measured in the operating test and the other one was eight virtual sound sources that were produced by amplifying a specific frequency of original sounds. It was designed to derive the causal relationship between each noise source and human sensitivity. Thirdly, we analyzed the correlation between the sound quality metrics and the sound pressure level of the noise source through the factor analysis. As a result, four independent variables were derived. Lastly, stepwise regression analysis was performed using four independent variables and the results of the jury test. The derived regression models had considerable explanatory power. From this, it was possible to understand the influence of the noise source of the seat slide adjuster on the sound quality and human sensitivity.     

基于独立分量分析与相关系数的机械故障特征提取

提出一种基于独立分量分析与相关系数的机械故障特征提取方法。首先对不同工况的机械振动信号分别进行独立分量分析,获得各种工况信号的独立分量,这些独立分量中蕴含了该工况的一些内在特征;接着利用样本与不同工况信号提取的独立分量的相关系数绝对值的和作为该样本的特征,与直接利用相关系数作为特征相比鲁棒性与区分程度都得到提高;最后使用支持向量机作为分类器进行识别。分别进行了齿轮故障特征提取与轴承故障特征提取实验,实验结果表明,此方法可以很好地提取机械故障特征信息。本文方法的优点在于直接从振动信号的原始数据中进行特征提取,获取机械故障蕴含的一些特征,应用范围广,具有较高地工程应用价值。     

基于声信号三维谱分析的转子复合碰摩故障特征提取

转子在运行过程中的声音包含了大量的转子运行状态信号,变速过程中故障声信号特征的提取及其识别对于旋转机械故障诊断是极其必要的,目前基于声信号三维谱分析的转子故障特征提取还不多,在对转子旋转机械中的一些典型产生的碰摩故障及复合碰摩故障进行了试验模拟,对故障发生过程中的声信号进行采集的基础上,对转子故障声信号的三维谱特性进行了分析。提取和总结出由故障造成的声信号突变和对应的声谱特征。分析结果表明:采用声信号对转子的碰摩故障进行诊断是有效的。声信号三维谱图丰富旋转机械碰摩故障诊断系统知识库中的特征信息,可以用于更准确地诊断转子中的碰摩故障。     

基于AMD和自适应随机共振的旋转机械故障诊断方法研究

针对强噪声背景下信噪比较低的旋转机械故障诊断问题,提出一种基于解析模态分解(AMD)和随机共振的旋转机械故障诊断方法。若信号的频率成分已知,AMD方法能将多频率成分的信号分解为单频率信号。对于可预知故障特征频率的旋转机械故障诊断,首先利用AMD方法提取振动信号中故障特征频率所在频段的信号,并对每个提取出的信号添加强度较低的噪声;然后利用粒子群算法优化的双稳随机共振对含噪信号进行处理来加强信号;最后求该信号的频谱,若频谱中含有故障特征频率,则说明振动信号中存在该故障。通过对滚动轴承故障信号特征的提取证明了该方法有良好的效果。