基于盲源分離的齒輪箱故障特征提取.pdf

1、盲源分離技術(shù)是把多個信號源或各種特征參數(shù)從它們的混合信號中分離或提取出來，應(yīng)用于機(jī)械故障診斷中，將有助于分離混合信號，進(jìn)行故障診斷。本文將盲源分離技術(shù)應(yīng)用于齒輪箱故障診斷實驗中，給出了盲源分離的故障特征提取方法，最后通過BP神經(jīng)網(wǎng)絡(luò)故障診斷結(jié)果證明了此方法的有效性和可行性，具體內(nèi)容如下：
　　1.系統(tǒng)地研究了盲源分離的主要方法——獨立分量分析(ICA)，詳細(xì)地描述ICA模型及介紹了FastICA算法，并對該算法進(jìn)行了仿真分析，通過

2、判斷分離后的信號與仿真信號的一致性，驗證了算法的可行性。
　　2.研究了齒輪箱故障振動的機(jī)理；分析了齒輪箱的常見故障類型及產(chǎn)生的原因，并在此基礎(chǔ)上研究了齒輪和軸承的典型故障的主要特征；介紹了時域診斷參數(shù)及其在故障診斷中的作用。
　　3.利用實驗室齒輪箱實驗臺模擬了齒輪箱系統(tǒng)常見的五種典型故障模式，采集了各工況下的振動信號；針對多組實驗數(shù)據(jù)，首先對信號進(jìn)行盲源分離，然后對處理后的數(shù)據(jù)提取時域特征指標(biāo)，并以此作為BP神經(jīng)網(wǎng)絡(luò)的輸