盲源分离技术用于机械故障诊断的研究初探

    机械设备在运形过程中,不仅会产生振动,还会发出强烈的噪声,一般地讲,振动越强烈,噪声也就越大。与振动信号一样,机械设备的噪声信号中蕴涵着丰富的设备状态信息,所以噪声信号同样能够应用于机械设备的故障诊断。而且,利用噪声信号实施状态监测和故障诊断(称之为声频故障诊断技术),具有振动故障诊断技术所不可比拟的一些优点。如非接触式测量、设备简单、速度快、信号易于测取、无须事先粘贴传感器、不影响设备正常工作、易于实现早期预报和在线监测等,并可在不易测量振动信号的场合得到广泛的应用。事实上,人们最早开始故障诊断的时候,就是利用机械发出的声音。如果机械的声音突然发生了变化,就往往说明机械有了故障,需要进行修理。有经验的师傅还可以根据声音的变化,推断是什么故障。但是由于声音信号十分复杂,当时的声学研究也有限,所以声频故障诊断技术的发展渐渐地落后于振动故障诊断技术。到目前为止,振动故障诊断技术已经发展成一套比较完整的体系,而声频故障诊断技术却始终处于起始阶段。

    在现场工况的噪声检测中,由于许多机器设备同时运转,加上实际声环境的复杂性,往往面临大面积、非稳态、多声源等的复杂空间声场,这种环境下检测到的声信号实际上是多个声源信号及其反射的混合体。当某台设备发生故障时,反映故障特征的声信号很可能被其它声源信号掩盖乃至淹没,严重影响故障诊断的准确性和可靠性。这大大限制了声频故障诊断技术在实际中的应用。显然,如何获取待诊设备的真实声信号是提高声频故障诊断技术实用性的关键。由于缺少有效的混合信号分离手段,目前关于噪声诊断方面的研究及应用未有大的进展。然而,近年来迅速发展起来的盲源分离技术却为此提供了一种全新的解决思路。

    1　盲源分离技术(BSS)

    所谓的盲源分离技术(Blind Source Separation)[1～3],就是研究在未知系统的传递函数、源信号的混合系数及其概率分布的情况下,从混合信号中分离出独立源信号的技术,它是信号处理中一种很有前途的新兴技术,应用领域十分广泛。通常是利用一定数目的传感器对几个声源同时进行测量,每个传感器所测量的都是这几个声源的混合信号,但是并不知道它们的混合矩阵。在这种情况下,希望能够把每个声源的信号单独拿出来,进行分析,判断其是否有故障。这种情况在实际当中经常遇到。由于系统的传递矩阵未知,信号源也是未知的,问题是多解的,一般方法无能为力,这时盲源分离技术就应运而生了。目前,盲源分离算法已经得到了人们广泛的注意,并进行了深入的研究,尤其在通信、雷达、语音处理等领域得到了很好的应用,但把它应用到机械故障诊断的却少之又少。