由于机械设备传动系统中的关键零部件如轴承的振动信号具有典型非平稳的特征,将非线调频模式分解算法引入到机械设备故障诊断中,实现了对轴承等关键零部件早期微弱故障的特征识别。该方法在变模式分解理论的基础上,利用解调算子,将宽带信号变为窄带信号,实现了复杂信号的多尺度分解,同时使得多组分信号具有较高的时频分辨率。利用该方法对具有时频交叉干扰特性的仿真信号和故障实验台的实测轴承信号进行了分析,结果表明提出的方法在复杂信号模式分解和故障特征识别方面具有明显的优势。

当源信号不满足统计独立的假设,或者观测通道数少于源信号数时,经典的盲源分离方法如独立分量分析的处理效果很差。提出了一种基于张量分解模型的盲源分离算法,该方法将观测信号分解为一系列由源信号拟合的有理函数。将观测信号的每一个通道映射为Löwner矩阵并堆叠形成三维张量数据;根据Löwner矩阵的秩和源信号拟合多项式阶数的对应属性,通过张量秩-(Lr,Lr,1)将张量唯一地分解为由源信号的Löwner矩阵表示的前2个模式和由相应的混合向量表示的第3个模式,从而准确地分离出不同源信号;通过数值仿真实验和实测轴承混合故障的盲信号分析,证明了该方法在盲源分离的优良性能。