基于盲源分离的齿轮箱复合故障诊断研究

针对传统盲源分离(BSS)技术在处理非线性变化的复合故障信号时的不足,将核独立分量分析(KICA)技术应用于齿轮箱的状态检测与故障诊断。介绍了KICA的基本原理,进行了仿真说明。最后应用该方法并结合包络阶次谱分析对设置了2种故障的齿轮箱进行故障诊断,最终找到了故障特征,成功判别出了这2种故障,并验证了该方法的有效性。     

航空发动机典型振动故障诊断和振动抑制技术

振动故障是航空发动机主要故障,严重制约航空发动机的研制和使用。在全面梳理、跟踪国外典型第三代和第四代发动机在研制和使用中发生的振动故障的基础上,研究了航空发动机振动故障诊断技术及其未来的发展趋势。结合综合高性能涡轮发动机技术(IHPTET)计划和高循环疲劳(HCF)计划中的一系列典型被动阻尼技术,总结了航空发动机领域具有使用价值的几种典型振动抑制技术,并研究了振动抑制技术的发展方向。     

一种基于盲源分离的调幅通信系统抗干扰方法

在电子对抗中,当敌方对我方的通信系统实施干扰,并且电台信号和干扰信号的统计特性又不一致时,可以采用盲源分离的方法将2种信号分开。针对模拟调幅通信系统在受到同频调制信号干扰的情况,采用基于盲源分离理论的方法设计了一种具有抗干扰能力的调幅接收机。     

基于盲信号处理的传动箱状态监测与故障诊断

将盲信号处理技术应用到基于振动分析的传动箱故障诊断中,作为信号预处理与故障特征提取的主要工具,可极大增强故障信息,改变传统的以降噪为主的故障信息增强思想,提高诊断精度,解决实际中故障定位难、早期故障诊断率低的难题.     

一种基于盲源分离和Wigner-Hough变换的线性调频信号检测方法

Wigner-Hough变换可以检测线性调频信号,但是当线性调频信号受到噪声污染的时候,其检测的性能将下降。文中采用时频盲源分离的方法,将线性调频信号和噪声分离,然后将分离出的线性调频信号进行Wigner-Hough变换。仿真表明,这种方法对噪声不敏感,检测性能依赖于盲源分离的效果。     

基于量子遗传的机械故障盲源分离方法研究

针对基于遗传算法的机械故障源分离(GA-BSS)方法存在的不足和量子遗传的独特优势,提出了基于量子遗传的机械故障盲源分离(QGA-BSS)方法,并与传统的GA-BSS方法进行了比较。仿真结果表明,提出的方法优于GA-BSS方法,尤其是在快速收敛性方面,避免了GA-BSS方法早熟收敛,同时也大幅度地减少了计算量。将提出的方法应用到轴承故障分离中,能很好地提纯出轴承故障特征。实验结果证明,提出的QGA-BSS方法是有效的。     

基于BPHP网络的航空发动机故障诊断

建立了一种BP和Hopfield构成的主从混合网络(BPHP).该网络利用HP网络的动态演化过程加速BP网络的收敛速度,具有记忆特性好,收敛速度快、稳定性强等特点,在与恰当的特征提取方法结合使用之后可以获得较为理想的故障诊断系统.为了验证该方法的优越性,介绍了该神经网络在航空发动机故障诊断中的应用实例,仿真结果表明该方法具有很高的分类效率,具有较好的推广应用前景.     

基于三阶循环平稳度准则的盲源分离算法

通过研究循环平稳信号的特性和分析传统的基于二阶统计量的盲源分离算法,在二阶循环平稳度的基础上提出了三阶循环平稳度的概念,并推导出了利用三阶循环累积量平稳度作为分离准则的新盲源分离算法。本算法可以在复杂噪声的情况下有效的分离平稳信号和循环平稳信号。仿真结果表明该算法能够抑制混合信号中的强噪声,算法简单,实时性好。     

时变环境对信源数估计及盲源分离的影响分析

针对信号来波方向突变、源信号个数及信号样式发生变化,对辐射源个数估计及盲源分离(blind source separation,BSS)结果的影响进行分析。源信号个数的估计采用基于信息论准则的估计方法,采用自适应盲分离算法 进行信号盲分离。实验结果表明：混合矩阵发生突变时,使用接收数据进行信源数估计,无法正确估计信源数;当 混合矩阵未发生突变,而信号样式发生突变时,源数估计算法能准确估计来波方向数;若混合矩阵不变,在某一来 波方向信号样式的改变,对信号的盲分离不会产生不利影响,可将该来波方向不同的信号样式分开;若混合矩阵不 变,阵列接收信号中信号个数的改变,对信号分离结果没有明显的不利影响。分析结果表明：该研究对评估信源数 估计算法和盲源分离算法在实际环境中的应用效果具有一定参考价值。     

基于盲源分离和自适应滤波的水下声信号降噪算法

在水下小孔径基阵测向应用中,阵元接收到的连续波（CW）信号质量直接关系到测向误差的大小,由于受到多径效应、信号起伏和水下背景噪声的影响,往往实际检测到的信号信噪比较低,相位估计结果离散性大。本文针对水下CW信号和水下背景噪声特点,提出了一种基于盲源分离和自适应滤波联合降噪的算法,该算法对接收的CW信号波形进行降噪以达到提高信噪比的目的。通过算法仿真和湖试试验证明,经本文算法输出的信号,估计器的输出结果比直接利用信号进行方位估计的结果精度高。     

基于构建虚拟多通道的欠定盲源分离方法研究

针对欠定盲源分离(underdetermined blind source separation,UBSS)的信源数估计和信号分离问题,探索基于小波分解的虚拟多通道构建及其在欠定盲源分离中的应用。通过小波分解构造虚拟观测信号,在欠定盲源分离模型的信源数估计和信号分离方面,结果较不理想,分析发现是由于采用小波变换构建虚拟的观测信号,只用到原观测信号的部分信息产生虚拟的观测信号,并没有增加接收信号中蕴含的信息,即并非像真实的天线阵列一样,针对信号的到达角,产生对应的阵列流型。结果表明：解决欠定盲源分离问题,必须依靠非负矩阵分解、张量分解或稀疏分量分析等思路。     

基于循环平稳特性的时频分析法欠定盲源分离

基于二次时频分布的算法是解决欠定盲源分离问题的一种有效方法。不同于传统算法,针对循环平稳信号,借助分段平均的周期图法求解谱相关密度函数,并利用其实现Wigner-Ville时频分布的重构。计算信号时频分布矩阵并找出自源时频点,利用自源时频点对应的时频分布矩阵构建新的3阶张量模型。利用平行因子分解,直接实现源信号的分离。该算法不需要假设任意时频点的源数目,不大于混合信号数目。仿真实验结果表明,所提出的方法可以有效地抑制噪声,并且只需要一步即可实现源信号的恢复,避免“两步法”造成的误差叠加,提高了盲源分离的效率和性能。     

一种基于时频分析的多跳频信号盲源分离算法

针对多个无人机遥控信号的分离问题,提出一种基于时频分析进行数据处理的多跳频(frequency hopping, FH)信号盲源分离(blind source separation,BSS)算法。利用不同跳周期的跳频信号驻留时间的差异性,改进时频脊 线的提取;利用小波变换检测改进后时频脊线的突变点,求脊线最大驻留时间即为跳频信号中的最小跳周期;分离 出不同跳周期的跳频信号,并基于时频能量值的不同,对不同信号幅度的跳频信号进行盲源分离。结果表明：与同 类算法相比,该算法在不依赖多通道数据的采集及混合矩阵估计等情况下,可实现单通道情况下多跳频信号的盲源 分离,具有一定的工程应用价值。     

基于空间时频分布的非平稳信号盲分离算法性能研究

基于空间时频分布的盲信号分离算法可以用来分离具有不同时频分布的非平稳信号。Wigner-Ville分布（WVD）作为比较常用的时频分布，对合成信号存在交叉项，因而将WVD分布用于这种分离算法时，其分离性能并不好。理论上，大多数Cohen类时频分布可以抑制交叉项并且保持时频聚集性,因此，Cohen类时频分布可以在TFBSS中取得更好的分离性能。分析了各种常用的Cohen类时频分布对交叉项的抑制性能和对盲源分离性能的影响，理论分析和仿真结果表明：通常情况下，在时频盲源分离算法中，采用Born-Jordan分布、Choi-Willimams分布、Butterworth分布、广义矩形时频分布、减小交叉项分布、平滑伪WVD、ZAM分布、Margenau-Hill谱图时频分布和伪WVD分布时的盲分离效果优于采用WVD。     

基于Infomax的偏亚高斯信号盲源分离算法

针对独立分量分析(ICA)算法在实际应用中会出现混合信号的分离而导致伪解的问题,提出一种有效分离的有偏亚高斯信号信息极大化(information maximization,Infomax)算法。介绍了ICA和Infomax算法的基本原理,采用 Infomax 算法,从语音信号中分离出话音信号,使修改后的模型能较好地逼近非对称分布的源信号,并通过仿真实验进行验证。实验结果证明：该算法具有可逼近非对称的亚高斯源信号,能够获得较好的分离质量和收敛速度。