盲源分離算法的研究及其在故障檢測中的應用.pdf

1、盲源分離(BSS)是利用源信號間的統(tǒng)計獨立性，在源信號和混合通道都是未知的條件下，僅由觀測信號分離出各源信號的過程，也稱獨立分量分析（ICA）。經典的獨立分量分析雖然僅用數(shù)據(jù)的統(tǒng)計特性就可以分離盲信號，但分離結果具有不確定性。而機械故障信息中存在其他如頻率特征等先驗知識，本文主要結合這些先驗信息，使算法的分離結果具有確定性，并將其應用于軸承的故障診斷中。
　　研究了基于主分量分析（PCA）的降維解相關理論，得出對信號進行基于主分量

2、分析處理，能減小它們的相關性。研究了獨立分量分析算法中不同目標函數(shù)的選取準則，并證明在一定條件下這些準則是等價的。比較了將峭度和負熵分別作為非高斯性測度的理論效果，結果表明基于負熵的快速獨立分量分析算法的魯棒性優(yōu)于基于峭度的。本文后續(xù)算法都是基于負熵的快速獨立分量分析算法進行改進的。
　　簡要概述了獨立分量分析算法的缺陷，為克服這些缺陷，提出一種帶參考信號約束的獨立分量分析算法。研究了約束獨立分量分析（CICA）的基本數(shù)學模型與原

3、理。介紹了參考信號構造原則和相似性測度方法。編寫了 CICA算法的MATLAB程序。在此，本文選取與待提取信號頻率相同的脈沖信號作為參考信號，以均方誤差作為相似性測度的方法進行了實驗仿真，仿真實驗表明約束獨立分量分析算法能夠很好地分離出待提取信號。同時引用美國凱斯西儲大學的軸承故障數(shù)據(jù)進行了實驗，結果能夠很好地提取出故障信號。
　　為進一步證明約束獨立分量分析算法在盲源分離中的有效性，本文搭建了軸承故障檢測平臺。用線切割的方法分別