盲源分离在机械声学故障诊断的应用

导语：盲源分离在机械声学故障诊断的应用一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要:盲源分离技术能够帮助完成机械设备的故障诊断，其中，单通道盲源分离技术正是该领域研究的热点。学者们在该领域以机械振动信号作为研究对象应用最为广泛，在此基础上，本文针对单通道的转动机械声音信号盲源分离进行讨论，为机械声学故障诊断的发展奠定基础。

关键词:转动机械声信号;盲源分离;单通道盲源分离;故障诊断

盲源分离(BlindSourceSeparation，BSS)技术通常是在源信号及传输系统特性未知或已知甚少的情况下，仅靠接收到的混合信号实现各个独立源信号的恢复。［1］通常BSS模型中传感器数量不小于源信号数量，当传感器数量为一个时定义为单通道盲源分离(SingleChannelBlindSourceSeparation，SCBSS)。SCBSS其先验知识极少且系统不可逆，但它却是BSS应用于实际环境的良好体现，是极具挑战与极具价值的研究。［2］目前，学者结合BSS针对振动信号在机械故障诊断方面做了相关研究。［3-4］由于噪声信号是非接触式采集，较振动信号的采集更方便，因此，本文讨论单通道盲源分离应用于转动机械噪声信号故障诊断的可行性。

1单通道盲源分离模型假设系统

在t时刻有n个独立源信号描述为S(t)=s1(t)，s2(t)，．．．，sn[(t)]T，该n个源信号由一个传感器所接收，表示为X(t)，则SCBSS数学模型可描述为:X(t)=∑ni=1aisi(t)+v(t)式中n—源信号数目。ai—加权系数。si(t)—第j个源信号。v(t)—与源信号相互独立的高斯白噪声信号。

2单通道盲源分离算法

学者们对机械信号SCBSS的研究主要从以下几个方面着手解决:(1)基于变换域滤波分离法。对于在时频域重叠且通过时频域滤波方法不能有效分离的信号时，可以通过可逆变换将观测信号投射到某一域(如广义谱域、循环谱域等)上，然后在该域上根据各个源信号的差异性构造适合的滤波器进行信号分离的方法。(2)基于通道升维分离法。该方法将单观测通道通过一定方法虚拟成多观测通，模拟传统BSS模型。具有代表性的研究有基于单通道延时处理的空时法、将经验模态分解与独立分量分析相结合的基于时频域分解升维法以及对单通道观测信号通过间隔过采样实现通道升维。［5］(3)稀疏分解方法。对观测的信号进行稀疏分解，使其采样值的分布规律在某一变换域内表现为绝大多是为零，则可以利用信号的稀疏性分离出原始信号。文献［6］利用该方法实现转动轴承振动信号单通道盲分离。综上所述，基于通道升维分离法对于源信号的先验知识要求低，已有研究中该算法复杂度较低、收敛速度较快，在SCBSS中广泛应用。

3盲源分离在转动机械声学故障诊断中的应用分析

有学者结合经验模态分解算法与经典BSS算法实现转动机械振动信号的单通道盲源分离，从而进一步实现机械故障诊断。［7］还有学者探讨了电动机和扬声器的混合声信号盲源分离问题，并做现场实验证明论文中所提方法可行。［8-9］文献［10］提出基于鲁棒预白化的二阶盲辨识算法(RSOBI)，并对两台三相异步电动机噪声信号进行试验，成功分离了故障声信号与正常声信号。文献［11］提出一种“小波消噪-BSS-小波消噪”方法用于两台小型电动机的声音信号盲源分离研究，对于进一步分析故障具有实际价值。文献［12］利用FastICA和SOBI算法试验半消声室内的一台小型钻机和一台风扇的混合噪声盲源分离，实验分离效果较好。毕凤荣等人研究了装载机司机室内噪声信号的分离与识别技术。［13］总体来看，以往研究多是基于盲源分离的振动环境噪声分离，该研究在转动机械声学故障诊断中具有重要意义。然而针对单通道的转动机械声信号分离学者们鲜有探究，又由于实际工程中的需要，因此，研究SCBSS可以为转动机械声学故障诊断做铺垫。

4结语

本文简述了单通道盲源分离的模型及转动机械信号中的单通道盲源分离算法，分析了盲源分离在转动机械声学故障诊断中的应用，从而得出单通道盲源分离在该领域应用的可行性与重要的实际价值。

作者:张荣彬 单位:淮沪煤电有限公司田集发电厂