一种基于子空间法的机械故障欠定盲分离新算法

针对以往稀疏盲信号分离算法中恢复源信号时所采用的线性规划或最短路径法计算相对复杂,提出了一种基于子空间法的机械故障欠定盲源信号恢复方法。该算法假设源信号由两个正交向量构成:其中一个向量位于混叠矩阵A的行空间中,另一个位于A的零空间中,位于行空间中的向量可以通过A的Moore-Penrose伪逆得到,位于零空间中的向量通过贝叶斯估计得到。新算法容易实现,分离速度快,能够很好地满足盲分离对速度的要求。将其用于实测齿轮故障信号的盲分离,研究表明该方法能够分离齿轮系统的典型故障,取得了较好效果。     

基于稀疏特征的连轧机故障信号分离方法

连轧机组的稳定性对于保障轧制产品的质量精度起着决定性的作用,连轧机组中监测各轧机状态的信号具有强耦合性,从复杂的信号中分离出各轧机独立的状态信号,对连轧机组的状态监测和故障诊断具有重要的意义。提出了一种基于稀疏特征的连轧机故障信号分离方法,并进行了仿真和现场验证。首先,通过基于时频谱分割的稀疏分解方法将各混合信号中的微弱冲击特征提取出来;其次,对所有稀疏表示信号的原子按照一定规律排序,得到各混合信号的稀疏矩阵;然后,根据稀疏原子的相似性对稀疏表示的原子进行聚类,确定盲源分离的源个数;最后,根据稀疏矩阵的系数和源个数比较准确地估计出混叠矩阵,实现混合信号的盲分离。     

基于EMMD和BSS的单通道旋转机械故障诊断方法

针对在欠定的观测信号情况下,传统基于矩阵的盲源分离算法效果比较差的问题,提出一种基于极值域均值模式分解和盲源分离的单通道旋转机械信号故障特征提取方法,并应用于实际的故障诊断中.该方法先通过极值域均值模式分解法分解观测信号,把得到的固有模态函数和原观测信号一起组成新观测信号,从而实现了信号升维,使欠定问题转化为正定问题;然后,由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.通过仿真,验证了该方法对旋转机械故障信号进行盲源分离的可行性.将提出的方法应用到齿轮和轴承系统的故障诊断中,进一步证明了该方法的有效性.     

具有延迟的未知数目稀疏源盲混合信道估计方法

在具有延迟的稀疏源盲分离中,混合信道的估计是一个关键组成部分,其估计精度直接影响到源信号的估计精度.提出了一种源信号数目未知时的混合信道盲估计方法.首先根据时频域观测信号幅值呈线性聚类的几何特点,提出了一个新的线性聚类有效性准则,并根据此准则估计源信号数目.同时利用改进的霍夫变换寻找每一类数据的致密直线方向,作为衰减矩阵列向量的估计.然后利用时频域不同观测信号间的相位差特性,估计延迟矩阵.几个语音信号的仿真实验表明了该方法的有效性和实用性.     

动态故障源数估计的自适应盲源分离方法

在大型旋转机械故障诊断中,由于故障源数动态变化,无法准确估计源数并有效分离出故障源.针对这一问题,采用拓展四阶累积量矩阵估计动态故障源数,并根据源信号数与传感器数的关系,选择相应的盲源分离算法实现自适应盲源分离.实验结果表明,该源数估计算法能有效地估计出包括欠定情况下的动态故障源数,自适应盲源分离算法能有效地实现正定、超定与欠定盲源分离的故障诊断.     

基于奇异值分解的欠定盲信号分离新方法及应用

提出一种利用相空间重构和奇异值分解实现信号升维,从而对欠定信号进行盲分离的新方法。选择合理的时间延迟和嵌入维数对信号进行相空间重构而得到吸引子轨迹矩阵,对该矩阵进行奇异值分解,并根据不同信号的奇异值分布特性选择合适的奇异值进行逆变换,从而可以得到源信号的新的线性组合,实现了信号升维。随后对新混合信号与原混合信号之间的关系进行讨论,分析二者之间的相关性,证明了该方法的合理性。利用该方法首先分析几种常见信号如正弦信号、调频信号、调幅信号等的奇异值分布特性,研究这些信号与白噪声混合时的欠定盲分离,并将其用于实测齿轮故障信号的盲分离,研究表明该方法能够识别齿轮系统的典型故障,取得了较好效果。     

基于核函数的二阶盲辨识的单通道信号盲分离方法研究

调整权值的二阶盲辨识(WASOBI)算法已应用于故障诊断领域,但尚不能在欠定状态下对复合故障进行诊断。将该算法与核函数相结合实现了欠定盲源分离,并将其应用到复合故障诊断中。首先运用核函数将单通道信号构造为多维信号,并利用K-SVD源数估计方法估计出源信号个数,然后根据估计的结果重构出正定的观测信号矩阵,解决欠定问题,最后采用调整权值的二阶盲辨识算法将各故障源信号分离出来。仿真分析和实验结果表明,该方法能有效地解决欠定盲源分离问题,并使轴承各故障源信号分离,实现复合故障诊断。     

基于欠定盲源分离的结构模态参数识别

针对欠定情况下传统盲源分离(blind source separation,简称BSS)算法无法有效识别结构模态参数的问题,研究了一种不受传感器数量限制的BSS算法。算法主要分为振型矩阵估计与单模态信号分离两步。首先,利用各阶模态响应信号在时频域中的聚类特性估计结构的模态振型;然后,在已知振型矩阵的基础上,通过L1范数最小化算法分离出多个单模态信号;最后,利用单模态参数识别方法提取各阶模态的频率与阻尼比。经仿真与实验验证,本研究方法可以准确识别出结构的各阶模态参数,同时对测量噪声不敏感,具有很好的噪声鲁棒性,在工程实践中具有一定的应用价值。     

盲解卷积和频域压缩感知在轴承复合故障声学诊断的应用

针对时域盲解卷积算法对单一故障机械声信号有效,及传统稀疏分量分析对声信号分析失效等问题,提出一种盲解卷积、形态滤波和频域压缩感知重构的稀疏分量分析相结合的轴承复合故障声学诊断方法。通过时域盲解卷积算法优选分量结果,提取声信号的冲击成分。使用形态滤波滤除背景噪声。使用模糊C均值聚类估计混合矩阵,重构传感矩阵,并运用稀疏度自适应匹配追踪基算法(Sparsity adaptive matching pursuit,SAMP)的频域压缩感知重构分离信号。双通道滚动轴承故障声信号分析结果表明该方法能够有效分离和提取滚动轴承故障特征。     

独立分量分析在混叠通信信号分离中的应用

本文采用FASTICA算法,实现对混叠通信信号的盲分离.仿真结果表明,本算法具有分离效果好,收敛速度快,无需动态参数的特点,基本实现了对混叠通信信号的实时盲分离.