非平稳信号的盲源分离在机械故障诊断中的应用

机械设备发生故障时，故障特征的提取很重要．对于多通道的设备故障振动信号，应用非平稳信号的盲源分离算法，可以有效地提取各自独立的非平稳振动源，从而可以准确地进行机械故障诊断。针对不同时频分布的非平稳盲源分离算法，比较了它们的分离效果。以转子的复合故障为例，验证了该算法在故障诊断中可行性。     

基于二阶盲辨识的双跨转子故障信号分离研究

将盲分离理论应用于消噪处理,其关键是分离噪声,因此在分离噪声时不损失有效信号,为消噪处理提供了一种新方法。提出了一种基于二阶盲辨识的去除干扰的自提取方法,在原有的自提取算法中引入了梯度变化率的概念,有效降低了噪声。通过仿真和对实际转子振动数据的处理表明,这种算法有效地遏制了噪声,提高采样数据的准确性。     

应用JADE盲分离算法分离统计相关源

在一些如故障诊断等复杂的应用系统中，不相关源与相关源往往以相互混合方式同时存在于传感观测中。由于相关源不满足盲源离理论有关源的统计独立性前提假设，因此现有的盲源分离算法如基于矩阵联合对角化的算法等，无法从混有相关源的传感观测中准确分离源信号(不相关源信号和相关源信号)。本文在基于矩阵联合对角化的盲分离算法的基础上，提出通过对其源估计进行修正的相关源分离算法。理论分析和仿真结果表明：修正后的基于矩阵联合对角化的盲分离算法，能有效地分离包含相关源的混合观测信号。     

盲源分离在机械故障诊断中应用综述

介绍了盲源分离(blind source separation,简称BSS)的基本概念和研究发展,综述了盲源分离在机械故障诊断中的研究现状,主要论述了基于盲源分离的机械噪声源分离、基于盲源分离的机械故障的特征提取和模式分类.并提出了盲源分离在机械故障诊断应用中需要进一步研究的问题.     

宽带盲波束形成与卷积混合盲源分离

盲波束形成是在不知道阵形，目标方位以及阵元响应等信息的情况下，只根据阵元输出恢复源信号。现有盲波束形成对窄带信号研究比较多。而对宽带信号盲波束形成论述较少。本文从信号模型，系统框图。处理的三方面说明盲波束形成与盲源分离近似，并指出卷积混合模型盲源分离完全可以作为解决宽带信号盲波束形成问题的一种通用方法。     

盲源分离技术及其水声信号处理中的应用

本文首先阐述盲源分离的基本概念,简述了盲分离技术的基本要点和目前分离算法的利弊,围绕水声信道环境的特殊性,提出了一种改进的频域盲分离算法,给出了一种解决频域次序不确定性的方法.进行了两种背景下的仿真实验,得到了比较理想的分离效果.     

基于牛顿迭代盲源分离方法的磨床故障诊断

磨床的振动信号是由多个振动源混合而成的复杂信号,利用盲源分离技术分离混合信号成为各个振动源的单独信号能更准确的实现设备的状态监控和故障诊断。基于峭度的不动点迭代法是一种常用的盲源分离方法,但存在分离矩阵难以收敛,分离效果不稳定的问题。论文在峭度最大化的理论基础上,提出基于牛顿迭代算法的振动信号盲源分离方法。通过模拟振动信号实验,当分离矩阵的迭代步数仅为不动点迭代法的1/500时,本算法就完成了分离过程,并且分离效果更佳。对数控磨床实际振动信号的分离实验,得到了和计算结果相同的磨床运行参数,进一步验证了本文方法可以较好的应用于工程实际中。     

盲源分离用于DOA估计研究

方位估计是水下目标定位、跟踪的前提。提出了一种复数域奇异值分解盲源分离方法,估计出了阵列流形,并利用阵列流形表现出的相位关系完成了目标方位估计。通过仿真实验与MUSIC高分辨方位估计方法和相关文献的方法进行了对比,结果表明该方法能很好地实现目标方位的实时估计,且性能更佳。     

基于独立分量分析的重盲源分离方法

基于独立分量分析(ICA)的盲源分离(BSS)是一种多源信号分离的优化方法。针对ICA通道数目必需不少于源信号数目的限制条件,提出一种基于频谱识别的重盲源分离(R e-BSS)方法,利用虚拟通道实现通道数目的增加。单通道测量信号的仿真实验和实际信号处理结果表明,该方法简单可行,为盲源分离的进一步工程应用提供了新的思路与方法。     

传导骚扰测量中的盲源分离与频谱仿真

为实现多分量混合电磁干扰(electromagnetic interference,EMI)信号中的信息挖掘,提出一种基于单通道盲源分离和频谱仿真的分析方法。首先,采用奇异谱分析(singular spectrum analysis,SSA)结合独立分量分析(independent component analysis,ICA)对混合信号进行单通道盲源分离。其次,对分离所得波形采用短时傅里叶变换(short time Fourier transform,STFT)来构建仿真EMI频谱。最终,将仿真频谱与混合信号的接收机实测频谱进行对比研究。实验结果表明：分离信号的波形畸变较小,仿真频谱与实测频谱在基波和低次谐波处较为吻合。通过提高ICA中的特征维度,可以进一步提升仿真频谱的质量,但会导致算法收敛困难。该方法能有效分解混合EMI信号并解释其对应频谱。     

基于相图相似度的发动机转子系统故障诊断方法研究

针对频谱分析法在判别航空发动机转子系统早期故障时振动信号易被噪声干扰而不能准确识别的问题,提出基于振动相图相似度的故障诊断方法。在分析发动机不同状态时整机振动信号参数在不同范围随机变化导致相轨迹分布不同的基础上,通过计算相图相似度来判别故障类型。实践表明,该方法能有效去除噪声对故障信息的干扰,诊断准确率高,判别速度快,具有实用价值。     

基于EMD的奇异值熵在转子系统故障诊断中的应用

提出了一种基于EMD（Empirlcal Mode Decomposition）和奇异值熵的转子系统故障诊断方法。该方法首先用EMD方法分解转子系统的振动信号，得到若干个基本内禀模式函数（Intrinsic Mode Function，简称IMF），然后利用IMF分量形成初始特征向量矩阵，并对初始特征向量矩阵求奇异值熵，奇异值熵的大小反映了转子系统运行状态的差别，从而可以通过奇异值熵的大小判断转子系统的工作状态和故障类型。对实验数据的分析结果证明了该方法的有效性。     

基于AR模型的转子典型故障诊断方法

基于一种含外部输入的ARX模型（Env-AR-ARX）,提出了一种通过模型匹配的转子故障诊断方法。本文以航空发动机转子健康状态下的振动数据建立AR模型,模型的准确度是故障诊断的关键。为了提高模型的匹配度,在AR模型的基础上,充分考虑了模型残差和信号时变性的特点,对比讨论了AR模型, AR-ARX模型以及Env-AR-ARX模型,最终确定了最优的Env-AR-ARX模型。由于没有航空发动机转子的故障数据,本文对本特利转子的故障（碰摩、裂纹、双裂纹）振动信号建立AR模型,结合单因素方差分析的方法,确定信号是否存在故障以及故障类型。实验结果表明,该方法能有效的应用于转子的故障诊断。     

支承松动转子系统模型及其故障诊断方法研究

针对滚动轴承转子系统支承松动故障,以转子动力学、Hertz接触理论和非线性动力学理论为基础,建立了转子系统的动力学模型.在对转子系统动力学方程进行数值积分之后,利用频谱和小波变换对所获振动信号进行了处理,并将结果进行了比较、分析.     

粒子滤波方法在转子典型故障诊断中的应用

转子的故障诊断是当前转子动力学的一个难点。针对这个问题,提出基于粒子滤波方法的转子典型故障诊断方法。针对Jeffcott转子建立不对中、裂纹和弯曲复合故障模型,并构建基于粒子滤波器的参数估计方程。通过在转子实验台上模拟故障对算法进行验证,结果表明:粒子滤波方法对于转子故障有较高的识别能力,可以诊断单一故障和多重故障。与传统的转子故障诊断方法相比,它不依赖于经验和故障事例,同时可较精确地估计故障参数。     

旋转体拉深件表面积计算的新方法

旋转体拉深件表面积的计算是确定压延件毛料半径大小的依据,在冲压设计资料或教材中虽然有一些求旋转体表面积的公式和方法,但在实际应用中有局限性,且不方便,文中较详细地介绍了一种行之有效、使用简便的旋转体拉伸件表面积计算的新方法.     

扩展卡尔曼滤波方法在转子典型故障诊断中的应用

转子故障的早期诊断与预示是当前转子动力学的一个难点。文献[1]提出了一种基于多模型估计得到转子裂纹参数对转子进行故障诊断的方法,但是该方法需要构造大量的多模型估计器,存在着构造复杂,计算量大的问题。针对这个问题,提出基于扩展卡尔曼理论(EKF)的转子典型故障诊断方法。针对Jeffcott转子建立了不对中、裂纹和弯曲故障模型,还分别构建了基于扩展卡尔曼滤波-加权整体迭代(EKF-WGI)的参数估计方程。通过不对中、弯曲和裂纹故障的实验验证,表明该参数估计方法对于转子典型故障有着较高的诊断能力。与传统的诊断方法提取频谱特征相比,该方法不依赖于经验和故障事例,可以较精确地估计故障参数,在转子的故障诊断中更有针对性。     

风力发电机组转子不对中故障诊断

风电技术迅猛发展,风电场风力机故障频发,对风机的安全运行和故障诊断的研究已成为风电技术发展中的重要研究内容。国内对于风力机故障诊断技术的研究尚在起步阶段,且集中于对齿轮箱的研究,对转子不对中故障研究尚少。针对以上问题,用振动测试系统对异常工作风力发电机组进行振动测试,采集振动测试信号,对振动信号进行时域、频域分析,得到机组转子不对中故障信号特征,为风力机转子不对中故障诊断提供依据。     

基于EMD模糊熵和SVM的转子系统故障诊断

提出一种经验模态分解、模糊熵和支持向量机相结合的转子系统故障诊断方法。该方法首先对转子系统故障信号进行经验模态分解,得到若干阶表征故障信息的固有模态函数,并运用基于能量原理的虚假模态消除方法剔除虚假模态分量;再利用模糊熵能够表示信号复杂程度且具有相对稳定性等特点,选取前4阶固有模态函数的模糊熵值作为各故障信号的特征向量;最后将该特征向量输入到支持向量机中进行转子系统的故障分类。试验结果表明,该方法能够有效的提取转子系统故障特征和对转子系统进行故障诊断。     

Critical Flow Method: A New Reliability Allocation Approach for a Thermonuclear System

In the present work, starting from well‐known methodologies, a new reliability allocation method [critical flow method (CFM)] has been proposed. We focused on the most important conventional methods and discussed their limitations in order to motivate the current research. The results show the main common problem of the most conventional reliability allocation methods: they are developed for complex systems with series configurations but not for series–parallel ones. The consequence is an increase of the required units' reliability (series configuration) in order to guarantee the reliability system target. Actually, the design and manufacturing of a subsystem with an extremely low failure rate would consume a considerable amount of economic resources. The proposed method can solve the shortcomings of the conventional methods with a new reliability approach useful to series–parallel configurations in order to obtain an important cost saving. The CFM has been applied to a liquid nitrogen cooling installation in a thermonuclear system, with many series–parallel configurations in order to guarantee the whole safety system. The proposed technique can be applied to working complex systems, and, in general, in the design phase of new installations. By comparing the CFM application results with real parameters, the new technique has been validated. The computational results clearly demonstrate the advantages of the proposed method. In particular, by applying the method to series–parallel configurations, it allocates failure rates higher than conventional methods, with a component cost reduction. Copyright © 2015 John Wiley & Sons, Ltd.