導(dǎo)語(yǔ)：盲源分離在機(jī)械聲學(xué)故障診斷的應(yīng)用一文來(lái)源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

摘要:盲源分離技術(shù)能夠幫助完成機(jī)械設(shè)備的故障診斷，其中，單通道盲源分離技術(shù)正是該領(lǐng)域研究的熱點(diǎn)。學(xué)者們?cè)谠擃I(lǐng)域以機(jī)械振動(dòng)信號(hào)作為研究對(duì)象應(yīng)用最為廣泛，在此基礎(chǔ)上，本文針對(duì)單通道的轉(zhuǎn)動(dòng)機(jī)械聲音信號(hào)盲源分離進(jìn)行討論，為機(jī)械聲學(xué)故障診斷的發(fā)展奠定基礎(chǔ)。

關(guān)鍵詞:轉(zhuǎn)動(dòng)機(jī)械聲信號(hào);盲源分離;單通道盲源分離;故障診斷

盲源分離(BlindSourceSeparation，BSS)技術(shù)通常是在源信號(hào)及傳輸系統(tǒng)特性未知或已知甚少的情況下，僅靠接收到的混合信號(hào)實(shí)現(xiàn)各個(gè)獨(dú)立源信號(hào)的恢復(fù)。［1］通常BSS模型中傳感器數(shù)量不小于源信號(hào)數(shù)量，當(dāng)傳感器數(shù)量為一個(gè)時(shí)定義為單通道盲源分離(SingleChannelBlindSourceSeparation，SCBSS)。SCBSS其先驗(yàn)知識(shí)極少且系統(tǒng)不可逆，但它卻是BSS應(yīng)用于實(shí)際環(huán)境的良好體現(xiàn)，是極具挑戰(zhàn)與極具價(jià)值的研究。［2］目前，學(xué)者結(jié)合BSS針對(duì)振動(dòng)信號(hào)在機(jī)械故障診斷方面做了相關(guān)研究。［3-4］由于噪聲信號(hào)是非接觸式采集，較振動(dòng)信號(hào)的采集更方便，因此，本文討論單通道盲源分離應(yīng)用于轉(zhuǎn)動(dòng)機(jī)械噪聲信號(hào)故障診斷的可行性。

1單通道盲源分離模型假設(shè)系統(tǒng)

在t時(shí)刻有n個(gè)獨(dú)立源信號(hào)描述為S(t)=s1(t)，s2(t)，．．．，sn[(t)]T，該n個(gè)源信號(hào)由一個(gè)傳感器所接收，表示為X(t)，則SCBSS數(shù)學(xué)模型可描述為:X(t)=∑ni=1aisi(t)+v(t)式中n—源信號(hào)數(shù)目。ai—加權(quán)系數(shù)。si(t)—第j個(gè)源信號(hào)。v(t)—與源信號(hào)相互獨(dú)立的高斯白噪聲信號(hào)。

2單通道盲源分離算法

學(xué)者們對(duì)機(jī)械信號(hào)SCBSS的研究主要從以下幾個(gè)方面著手解決:(1)基于變換域?yàn)V波分離法。對(duì)于在時(shí)頻域重疊且通過(guò)時(shí)頻域?yàn)V波方法不能有效分離的信號(hào)時(shí)，可以通過(guò)可逆變換將觀測(cè)信號(hào)投射到某一域(如廣義譜域、循環(huán)譜域等)上，然后在該域上根據(jù)各個(gè)源信號(hào)的差異性構(gòu)造適合的濾波器進(jìn)行信號(hào)分離的方法。(2)基于通道升維分離法。該方法將單觀測(cè)通道通過(guò)一定方法虛擬成多觀測(cè)通，模擬傳統(tǒng)BSS模型。具有代表性的研究有基于單通道延時(shí)處理的空時(shí)法、將經(jīng)驗(yàn)?zāi)B(tài)分解與獨(dú)立分量分析相結(jié)合的基于時(shí)頻域分解升維法以及對(duì)單通道觀測(cè)信號(hào)通過(guò)間隔過(guò)采樣實(shí)現(xiàn)通道升維。［5］(3)稀疏分解方法。對(duì)觀測(cè)的信號(hào)進(jìn)行稀疏分解，使其采樣值的分布規(guī)律在某一變換域內(nèi)表現(xiàn)為絕大多是為零，則可以利用信號(hào)的稀疏性分離出原始信號(hào)。文獻(xiàn)［6］利用該方法實(shí)現(xiàn)轉(zhuǎn)動(dòng)軸承振動(dòng)信號(hào)單通道盲分離。綜上所述，基于通道升維分離法對(duì)于源信號(hào)的先驗(yàn)知識(shí)要求低，已有研究中該算法復(fù)雜度較低、收斂速度較快，在SCBSS中廣泛應(yīng)用。

3盲源分離在轉(zhuǎn)動(dòng)機(jī)械聲學(xué)故障診斷中的應(yīng)用分析

有學(xué)者結(jié)合經(jīng)驗(yàn)?zāi)B(tài)分解算法與經(jīng)典BSS算法實(shí)現(xiàn)轉(zhuǎn)動(dòng)機(jī)械振動(dòng)信號(hào)的單通道盲源分離，從而進(jìn)一步實(shí)現(xiàn)機(jī)械故障診斷。［7］還有學(xué)者探討了電動(dòng)機(jī)和揚(yáng)聲器的混合聲信號(hào)盲源分離問(wèn)題，并做現(xiàn)場(chǎng)實(shí)驗(yàn)證明論文中所提方法可行。［8-9］文獻(xiàn)［10］提出基于魯棒預(yù)白化的二階盲辨識(shí)算法(RSOBI)，并對(duì)兩臺(tái)三相異步電動(dòng)機(jī)噪聲信號(hào)進(jìn)行試驗(yàn)，成功分離了故障聲信號(hào)與正常聲信號(hào)。文獻(xiàn)［11］提出一種“小波消噪-BSS-小波消噪”方法用于兩臺(tái)小型電動(dòng)機(jī)的聲音信號(hào)盲源分離研究，對(duì)于進(jìn)一步分析故障具有實(shí)際價(jià)值。文獻(xiàn)［12］利用FastICA和SOBI算法試驗(yàn)半消聲室內(nèi)的一臺(tái)小型鉆機(jī)和一臺(tái)風(fēng)扇的混合噪聲盲源分離，實(shí)驗(yàn)分離效果較好。畢鳳榮等人研究了裝載機(jī)司機(jī)室內(nèi)噪聲信號(hào)的分離與識(shí)別技術(shù)。［13］總體來(lái)看，以往研究多是基于盲源分離的振動(dòng)環(huán)境噪聲分離，該研究在轉(zhuǎn)動(dòng)機(jī)械聲學(xué)故障診斷中具有重要意義。然而針對(duì)單通道的轉(zhuǎn)動(dòng)機(jī)械聲信號(hào)分離學(xué)者們鮮有探究，又由于實(shí)際工程中的需要，因此，研究SCBSS可以為轉(zhuǎn)動(dòng)機(jī)械聲學(xué)故障診斷做鋪墊。

4結(jié)語(yǔ)

本文簡(jiǎn)述了單通道盲源分離的模型及轉(zhuǎn)動(dòng)機(jī)械信號(hào)中的單通道盲源分離算法，分析了盲源分離在轉(zhuǎn)動(dòng)機(jī)械聲學(xué)故障診斷中的應(yīng)用，從而得出單通道盲源分離在該領(lǐng)域應(yīng)用的可行性與重要的實(shí)際價(jià)值。

作者:張榮彬 單位:淮滬煤電有限公司田集發(fā)電廠