基于盲源分離的齒輪箱故障診斷.pdf

1、盲源分離就是從已知的觀測混合信號中分離出未知源信號的過程，將其應用到機械設備故障診斷領域，可把故障信號分離出來，以便對信號進行后續(xù)處理，進行故障診斷。本文在信號降噪的基礎，提出了EEMD-SVD的降噪方法，并將該降噪方法與盲源分離相結合，將其應用到齒輪箱系統(tǒng)的故障診斷中，通過實際數(shù)據(jù)驗證了此方法的可行性和有效性。本文所做的主要內(nèi)容可概括如下：
　　詳細介紹了盲源分離的基本理論，闡述了盲源分離的FastICA算法及JADE算法，并對

2、這兩種算法進行了仿真實驗，通過對分離后信號的分析，判斷分離前后信號的一致性，驗證了算法的有效性及可行性。
　　分析了齒輪和軸承的振動機理和主要失效形式，分析了齒輪箱的常見故障形式及其振動信號特征；并對齒輪箱振動源進行了分析，介紹了齒輪箱的時域診斷參數(shù)及其在故障診斷的應用。
　　對盲源分離的源數(shù)估計問題進行了分析。在對奇異值降噪研究的基礎上，提出了依據(jù)相鄰奇異值差值的標準差設定閥值的改進降噪方法，并進行了仿真分析，然后將其與E

3、EMD分解相結合，提出了EEMD-SVD的降噪方法，并通過實驗仿真驗證了應用該方法降噪能取得良好的降噪效果。在此基礎上，將該降噪算法與JADE算法相結合，對含噪信號進行盲源分離，通過仿真發(fā)現(xiàn)，應用該方法對噪聲背景下的混合信號進行分離，能取得更好的分離效果，驗證該方法的可行性。
　　在上述研究的基礎上，利用實驗室的齒輪箱實驗平臺，將EEMD-SVD降噪方法與JADE算法相結合，應用到齒輪箱振動信號的分離中，通過對分離后信號的后續(xù)分析