提出了一种基于经验小波变换针对非线性、非平稳混合信号的单通道盲源分离方法,并应用于机械设备故障诊断中。该方法拟采用EMD-SVD-BIC估计源数,以确定经验小波变换中频谱分割边界的个数N,再将经验小波变换用于单通道盲源分离,从而进行欠定条件下多故障的分离与诊断。利用该方法对仿真信号和单通道轴承振动信号进行了分析,结果表明,该方法能够有效地将不同故障的源信号分离出来,并准确提取出机械的故障特征。

针对航空发动机复杂路径下轴承故障难识别的问题,提出了基于快速独立分量分析的盲源分离理论与包络谱分析方法相结合的轴承故障诊断方法。为了模拟故障轴承振动信号的复杂传递路径,设计并加工了花键衬套连接方式、双层轴承结构的多层复杂传递路径轴承故障膜拟实验台。在该实验台上开展了多工况下的滚棒轴承典型故障实验,应用本文提出的轴承故障诊断方法对轴承外圈划伤故障进行了深入分析处理,并将其与传统频谱分析及包络谱分析结果相比较。分析结果表明盲源分离包络谱分析方法对复杂路径下滚棒轴承外圈故障诊断十分有效,诊断效果明显优于传统轴承故障诊断分析方法。

轴承早期故障的实时诊断,是实际工程应用需求和基础科学问题研究的交汇点,是轴承故障诊断的发展方向之一。首先,阐述了轴承故障及演变过程;其次,根据轴承早期故障实时诊断的需求,总结了轴承早期故障诊断难点问题;之后,重点论述了轴承早期故障诊断3个关键环节所采用的各种技术微小监测信号增强技术、监测数据的融合表示技术以及早期故障智能诊断技术;最后,总结展望了轴承早期故障诊断技术的发展趋势。

针对单通道超声检测回波信号易受到噪声信号的影响导致缺陷诊断精度低的问题,提出基于集合经验模态分解(EEMD)和快速独立成分分析(Fast ICA)的单通道超声回波信号盲源分离方法(EEMD-Fast ICA)。首先应用EEMD算法对回波信号进行自适应分解,得到多个不同尺度的固有模态函数(IMF)分量,利用主成分分析(PCA)预估源信号的数目,通过相关系数法筛选出相应的IMF分量进行重构,并将重构信号与原始采集信号组合构成新的多维观测信号,解决了原始采集信号盲源分离中存在的欠定问题,然后进行快速独立成分分析(Fast ICA)运算,实现了单通道超声检测信号的噪声分离。实验结果表明EEMD-Fast ICA方法能对采集超声回波信号进行有效的降噪处理,并且能保护真实信号的频域特征信息。

目前对现场机械设备进行故障诊断主要是利用振动信号,虽然振动故障诊断技术已经十分完善,却有着其本身的缺陷.而声音信号恰能弥补这一点.作者试图利用声信号进行机械故障诊断,称之为声频故障诊断技术.并首次利用信号处理中的盲源分离技术进行多信号源的分离,从而达到单独对现场中某台设备进行诊断的目的.

针对具有强烈动态特点的非线性系统,提出一种基于后向传播学习规则的盲源分离算法.以输出信号的非高斯性作为信号之间的独立性量度,在混合路径和原始信号都未知的情况下最大化输出熵训练网络,保证任意输出信号相互独立并近似于期望的累积概率函数.在实验台上分析了不同转速对信号分离的影响,结果表明,空气动力性噪声是同一时刻所有点辐射在空间叠加的总和,风机辐射噪声不适合卷积混合模型,而且高速旋转设备在低频区域提取故障信号特征相对可靠.

提出一种新的基于盲源分离的超声信号去噪方法。为了验证去噪方法的有效性，应用此方法处理了仿真的超声信号，并与小波去噪的效果进行了比较。实验结果表明：该去噪方法能极大提高超声信号的信噪比，且其效果能与小波去噪方法相媲美，其特点是通过超声信号和噪声信号的盲源分离实现噪声消除。

减定径机是钢铁冶金行业重要的设备之一,但该设备故障发生率较高,针对傅立叶变换、短时傅立叶变换（STFT）和维格纳-威利时频分布（WVD）等传统的分析方法分析结果较差的问题,提出了多源解耦、盲源分离相融合的方法。该方法把传感器收集到的信号通过多源解耦技术实现盲源分离,再通过希尔伯特变换和共振解调技术得到故障信号,将理论上的计算频率与实际得到的故障信号频率相比较,结果基本一致,说明了本方法可以较好的解决减定径机故障诊断,具有较强的可行性与有效性。

针对旋转机械设备受到测量误差及系统误差等因素影响,导致滚动轴承多故障模态信号难以分离的缺陷,提出一种误差影响下滚动轴承多重故障模态特征信号的盲源分离方法。对故障信号进行白化预处理得到白化矩阵,进而计算白化矩阵的4阶累积量,并构建4阶累积量矩阵;将累积量矩阵对角化,并取前K个较大特征值对应的特征向量作为新累积量矩阵;利用总体最小二乘方法估计最小化新累积量矩阵与目标正交矩阵的误差函数,最大程度地联合近似对角化新累积量矩阵,实现多故障信号的分离估计;为进一步评估该方法的有效性,选用时域相关系数及时频域双谱估计两种评价方法对分离结果进行验证。结果表明,该方法分离出来的信号与源信号相关系数高,并且时频域双谱估计相似,是一种有效分离多重故障的方法。

结合盲源分离技术和全矢谱技术的各自优势,提出一种同源双通道信噪盲源分离法。首先采用时间固有尺度分解(ITD)和独立分量分析(ICA)相结合的分析法降噪,对同源双通道的轴承信号进行ITD分解,根据相关系数准则将分解得到的PRC分量进行重组作为ICA输入矩阵,再采用FastICA解混,实现故障信号与噪声信号的分离;其次采用全矢谱技术对信噪分离降噪后的双通道有效分量信号进行全矢信息融合,做全矢谱分析。滚动轴承故障实验对比分析表明了该方法的有效性。