卷积混合振动信号的独立分量分析

论文摘要

工业信息化推动着各种信号处理技术不断发展。与传统的信号处理方法相比,盲源分离(Blind Source Separation,BSS)技术可以在源信号和传输信道等先验知识未知的条件下,对混合信号多输入多输出系统进行分析和处理,恢复出多维的源信号。独立分量分析(Independent Component Analysis,ICA)在盲源分离中占有重要的地位。它以信号向量间的独立性判据为目标函数,通过优化算法调节分离矩阵,从观测到的混合信号中分离出相互独立的源信号。由于其算法新颖、性能优异,被广泛应用于混合语音识别、通讯处理、地震监测等领域。机械振动信号往往是振动源信号与传递路径冲击响应的卷积,利用瞬时混合模型进行的独立分量分析无法克服路径效应的影响。本文以旋转机械振动信号为研究对象,重点研究了卷积混合振动信号的独立分量分析方法。先用傅里叶变换把观测到的时域卷积混合信号变换为频域中的瞬时混合,再使用瞬时混合的FastICA算法进行混合信号的分离。在上述处理过程中,傅里叶变换后的时域信号由实数值变成了频域中的复值,所以必须对实数算法中的目标函数和约束条件进行扩展,得到复值FastICA算法,从而对卷积混合的未知源信号进行盲源分离。在自然环境中,绝对的“盲”是不存在的,本文也研究了基于半盲分离的改进算法。首先,在复数FastICA算法的基础上,采用带通滤波器获取源信号在主要能量频段上的幅值信息,构建参考信号;然后,引入幅值接近度函数构建新的不等式约束条件,建立了基于半盲分离的改进算法的数学模型;最后,引入增广拉格朗日函数(Augmented Lagrangian)进行约束优化,得到了改进后的复值FastICA分离算法。仿真实验证明,这种改进方法可以快速地获得感兴趣的目标源信号,而不必对其他信号进行重复计算,使算法的分离精度和运算时间得到了提高。在论文的最后,采用改进后的复数FastICA算法对旋转机械的振动信号进行分析,通过齿轮断齿故障和轴承外圈滚道故障两个实验,证明按照卷积混合模型并采用基于半盲分离的改进算法得到的结果可以获取清晰且较为丰富的故障特征信息,并且可以基本消除路径效应对测量结果的影响。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 传统的机械振动信号分析方法
• 1.1.1 时域分析方法
• 1.1.2 频域分析方法
• 1.1.3 时频分析方法
• 1.1.4 传统分析方法的局限
• 1.2 盲源分离方法
• 1.3 论文的研究内容和结构安排
• 第二章 瞬时线性混合的独立分量分析
• 2.1 瞬时线性混合与独立分量分析
• 2.2 瞬时线性混合的FastICA算法
• 2.3 独立分量分析的不确定性
• 2.4 仿真实验
• 2.5 本章小结
• 第三章 卷积混合的独立分量分析
• 3.1 卷积混合盲源分离概述
• 3.1.1 卷积混合数学模型
• 3.1.2 卷积混合分离模型
• 3.1.3 卷积混合的时域分离方法
• 3.1.4 卷积混合的频域分离方法
• 3.2 线性卷积混合的独立分量分析
• 3.2.1 卷积混合独立分量分析基本原理
• 3.2.2 假设条件
• 3.2.3 卷积混合FastICA算法
• 3.2.4 半盲分离概述
• 3.2.5 基于半盲分离的改进算法
• 3.3 仿真实验
• 3.3.1 参考信号的构建方法
• 3.3.2 性能评价标准
• 3.3.3 仿真实验
• 3.4 本章小结
• 第四章 实验验证振动信号的分离效果
• 4.1 齿轮振动实验
• 4.1.1 齿轮振动机理
• 4.1.2 振动信号的卷积混合独立分量分析
• 4.1.3 振动信号的瞬时混合独立分量分析
• 4.2 滚动轴承振动实验
• 4.2.1 滚动轴承振动机理
• 4.2.2 不同观测位置的振动信号分析对比
• 4.3 本章小结
• 第五章 总结与展望
• 5.1 总结
• 5.2 本课题今后需进一步研究的地方
• 参考文献
• 个人简历 在读期间发表的学术论文
• 致谢