【摘要】：動態(tài)盲源分離問題是多故障源盲分離的一個熱點。傳統(tǒng)的機械故障源分離方法要求滿足統(tǒng)計特征保持穩(wěn)定,且混合系統(tǒng)保持不變等假設(shè),而忽略了時序信息。針對此不足,結(jié)合規(guī)范變量分析(Canonical variate analysis,CVA)和獨立分量分析(Independent component analysis,ICA),提出一種基于CVA-ICA的機械多故障源動態(tài)盲分離方法。該方法的基本思想是將源信號看成狀態(tài)空間的狀態(tài)變量,觀測信號看成狀態(tài)空間的輸出變量,從而將動態(tài)混合盲源分離問題轉(zhuǎn)化為狀態(tài)空間盲源分離問題,利用規(guī)范變量分析作為降維工具來構(gòu)造狀態(tài)空間,再利用傳統(tǒng)的ICA算法對規(guī)范的觀測信號進行盲源分離。仿真研究表明,在處理動態(tài)混合的盲分離中,提出的方法明顯優(yōu)于靜態(tài)ICA方法,取得了滿意的分離效果。將該方法應(yīng)用到滾動軸承內(nèi)圈和滾動體的故障盲分離中,試驗結(jié)果進一步驗證了該方法的有效性。
[Abstract]:Dynamic blind source separation (DBSS) is a hot topic in multi-fault source blind separation. The traditional mechanical fault source separation method needs to satisfy the assumption that the statistical characteristics remain stable and the hybrid systems remain invariant while ignoring the timing information. In order to solve this problem, a dynamic blind separation method for mechanical multi-fault sources based on CVA-ICA is proposed, which combines the canonical variable analysis (Canonical variate analysis,CVA) and independent component analysis (Independent component analysis,ICA). The basic idea of this method is to treat the source signal as the state variable of the state space and the observation signal as the output variable of the state space, so as to transform the dynamic mixed blind source separation problem into the state space blind source separation problem. The canonical variable analysis is used as a dimensionality reduction tool to construct the state space, and then the traditional ICA algorithm is used to separate the normal observation signals from the blind source. The simulation results show that the proposed method is better than the static ICA method in the blind separation of dynamic mixing, and the satisfactory separation effect is obtained. The method is applied to blind fault separation of rolling bearing inner ring and rolling body. The experimental results further verify the effectiveness of the method.
【作者單位】： 南昌航空大學(xué)無損檢測技術(shù)教育部重點實驗室;
【基金】：國家自然科學(xué)基金(51261024,51075372,51265039) 江西省教育廳科技計劃(GJJ12405) 湖南科技大學(xué)機械設(shè)備健康維護湖南省重點實驗室開放基金(201204)資助項目
【分類號】：TH165.3;TN911.7

【參考文獻】

相關(guān)期刊論文 前5條

1 唐炬;孟慶紅;王存超;李偉;姚陳果;;局部放電混合信號的盲分離[J];高電壓技術(shù);2010年04期

2 毋文峰;陳小虎;蘇勛家;;基于經(jīng)驗?zāi)Ｊ椒纸獾膯瓮ǖ罊C械信號盲分離[J];機械工程學(xué)報;2011年04期

3 李志農(nóng);劉衛(wèi)兵;易小兵;;基于局域均值分解的機械故障欠定盲源分離方法研究[J];機械工程學(xué)報;2011年07期

4 何旭平;趙匡;李志農(nóng);;基于核獨立分量分析的非線性混合機械故障盲分離方法研究[J];南昌航空大學(xué)學(xué)報(自然科學(xué)版);2012年04期

5 張潔;高宏力;陳春俊;傅攀;;高速列車非平穩(wěn)振動信號盲源分離方法及應(yīng)用[J];機械工程學(xué)報;2014年19期

【共引文獻】

相關(guān)期刊論文 前10條

1 張浩;劉學(xué)東;吳建強;王鳴;;GIS設(shè)備現(xiàn)場安裝作業(yè)質(zhì)量控制要點及注意事項[J];電力安全技術(shù);2011年02期

2 趙志強;顏學(xué)龍;;基于EMD和ICA的單通道語音盲源分離算法[J];電子科技;2012年07期

3 孫宜權(quán);王濱;張英堂;李志寧;張光;;基于自適應(yīng)平行因子的柴油機噴油故障診斷研究[J];兵工學(xué)報;2013年05期

4 張龍;宗成強;;非線性信息融合技術(shù)在火力發(fā)電機組故障診斷中的應(yīng)用[J];廣東電力;2013年05期

5 李志寧;孫宜權(quán);張英堂;田昊;范紅波;;發(fā)動機軸承并發(fā)故障信號盲源分離方法研究[J];車用發(fā)動機;2013年05期

6 云玉新;趙笑笑;李世鵬;李可軍;張曉星;;基于快速獨立分量分析算法的氣體絕緣開關(guān)設(shè)備局部放電混合信號分離與缺陷類型辨識[J];高電壓技術(shù);2014年03期

7 鄭超;郭奇;郭麗杰;李慧琳;;基于局部特征尺度分解的旋轉(zhuǎn)機械故障欠定盲源分離方法研究[J];燕山大學(xué)學(xué)報;2014年02期

8 李遠景;;基于極限學(xué)習(xí)算法的HVCD電力故障檢測方法[J];電氣開關(guān);2014年04期

9 王嬌;劉郁林;何為;晁志超;;小波分解單通道盲分離干擾抑制方法[J];重慶郵電大學(xué)學(xué)報(自然科學(xué)版);2014年05期

10 陽建龍;司芹;黃志開;陳智云;;基于盲源分離和EEMD的水電機組轉(zhuǎn)子故障診斷研究[J];工業(yè)控制計算機;2014年12期

相關(guān)會議論文 前2條

1 云玉新;趙笑笑;王輝;李秀衛(wèi);;基于FastICA算法的GIS混合局放信號分離及模式識別[A];2013年中國電機工程學(xué)會年會論文集[C];2013年

2 Xiaoya Zhang;Xiaodong Wang;Yugang Fan;Jiande Wu;;Fault Diagnosis of Industrial Process Based On KICA and LSSVM[A];第26屆中國控制與決策會議論文集[C];2014年

相關(guān)博士學(xué)位論文 前10條

1 張亢;局部均值分解方法及其在旋轉(zhuǎn)機械故障診斷中的應(yīng)用研究[D];湖南大學(xué);2012年

2 王雷;基于流形學(xué)習(xí)的滾動軸承故障診斷若干方法研究[D];大連理工大學(xué);2013年

3 吳強;基于道旁聲學(xué)信號的列車滾動軸承故障診斷技術(shù)研究[D];中國科學(xué)技術(shù)大學(xué);2013年

4 鞏曉峗;基于全矢譜的非平穩(wěn)故障診斷關(guān)鍵技術(shù)研究[D];鄭州大學(xué);2013年

5 周曉峰;機械振動源的分離和識別方法研究[D];浙江大學(xué);2012年

6 張筱磊;基于概率模型的故障診斷及在航天器中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2013年

7 陳向民;基于形態(tài)分量分析和線調(diào)頻小波路徑追蹤的機械故障診斷方法研究[D];湖南大學(xué);2013年

8 唐友福;基于廣義局部頻率的非線性非平穩(wěn)信號故障特征提取方法研究[D];上海大學(xué);2013年

9 劉小平;提升機故障智能診斷理論及應(yīng)用[D];中國礦業(yè)大學(xué);2013年

10 苗鋒;盲信號分離算法及其在轉(zhuǎn)子故障信號分離中的應(yīng)用方法研究[D];蘭州理工大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 包莉娑;基于小波脊的超聲蘭姆波信號分離[D];南京信息工程大學(xué);2012年

2 李娜;基于盲源分離算法的局部放電信號處理研究[D];北京交通大學(xué);2012年

3 徐元博;盲源分離理論在振動篩軸承故障診斷中的應(yīng)用[D];西安建筑科技大學(xué);2012年

4 董曉華;局部均值分解在旋轉(zhuǎn)機械振動中的研究與應(yīng)用[D];燕山大學(xué);2012年

5 于洪光;液壓挖掘機典型負載工況研究[D];浙江工業(yè)大學(xué);2012年

6 黃書華;單通道盲源分離法研究及應(yīng)用[D];太原科技大學(xué);2013年

7 練曉婷;旋轉(zhuǎn)機械故障早期識別方法研究與應(yīng)用[D];大連理工大學(xué);2013年

8 鄭晴晴;基于隱Markov模型的滾動軸承故障診斷方法研究[D];西南交通大學(xué);2013年

9 溫暖;ICP發(fā)射光譜強度的增強效應(yīng)研究[D];河北大學(xué);2013年

10 孫慶瑞;通信信號的單通道盲分離技術(shù)研究[D];西安電子科技大學(xué);2013年

【二級參考文獻】

相關(guān)期刊論文 前10條

1 李志農(nóng);呂亞平;范濤;冷傳廣;;基于經(jīng)驗?zāi)B(tài)分解的機械故障欠定盲源分離方法[J];航空動力學(xué)報;2009年08期

2 李熠;何永勇;李志農(nóng);褚福磊;;盲源分離和小波消噪在碰摩聲頻信號分析中的應(yīng)用研究[J];機械強度;2005年06期

3 李志農(nóng);呂亞平;韓捷;;基于時頻分析的機械設(shè)備非平穩(wěn)信號盲分離[J];機械強度;2008年03期

4 范濤;李志農(nóng);肖堯先;;基于源數(shù)估計的機械源信號盲分離方法研究[J];機械強度;2011年01期

5 焦衛(wèi)東;楊世錫;錢蘇翔;嚴(yán)拱標(biāo);;強干擾下復(fù)雜系統(tǒng)的獨立源識別方法[J];機械工程學(xué)報;2006年09期

6 蘇中元;賈民平;;周期平穩(wěn)信號盲源分離算法及其應(yīng)用[J];機械工程學(xué)報;2007年10期

7 葉紅仙;楊世錫;楊將新;;多振源卷積混合的時域盲源分離算法[J];機械工程學(xué)報;2009年01期

8 申永軍;楊紹普;孔德順;;基于奇異值分解的欠定盲信號分離新方法及應(yīng)用[J];機械工程學(xué)報;2009年08期

9 房建英;肖新標(biāo);金學(xué)松;李映輝;;行車速度對高速列車車輪振動聲輻射特性的影響[J];機械工程學(xué)報;2010年22期

10 李志農(nóng);劉衛(wèi)兵;易小兵;;基于局域均值分解的機械故障欠定盲源分離方法研究[J];機械工程學(xué)報;2011年07期

相關(guān)博士學(xué)位論文 前1條

1 葉紅仙;機械系統(tǒng)振動源的盲分離方法研究[D];浙江大學(xué);2008年

【相似文獻】

相關(guān)期刊論文 前2條

1 張凱;沈宏;;基于貝葉斯理論的機械故障源盲分離[J];機械研究與應(yīng)用;2009年03期

2 ;[J];;年期

相關(guān)碩士學(xué)位論文 前2條

1 張芬;基于典型相關(guān)分析的多故障源盲分離方法研究[D];南昌航空大學(xué);2014年

2 李豫川;完備及欠定條件下盲分離在故障診斷中的應(yīng)用研究[D];昆明理工大學(xué);2011年

，

本文編號：2411063