一种基于循环平稳测度的盲源分离方法技术

本发明专利技术属于旋转机械设备故障诊断技术领域，尤其是涉及一种基于循环平稳测度的盲源分离方法。首先对采集的振动信号进行截取和零均值化处理得到分析信号，并对盲源分里算法的参数进行设置；然后计算信号的循环平稳测度，建立盲源分离模型，将循环平稳测度作为优化目标，通过最大化循环平稳测度的准则对滤波器参数进行迭代；最后根据最优滤波器参数从分析信号中提取目标信号。本发明专利技术相比现有方法进一步考虑了故障特征频率的随机误差，能在故障特征频率存在一定误差的情况下精确提取目标信号，更符合实际工业场景下的应用需求。更符合实际工业场景下的应用需求。更符合实际工业场景下的应用需求。

【技术实现步骤摘要】
一种基于循环平稳测度的盲源分离方法


[0001]本专利技术属于旋转机械设备故障诊断
，尤其是涉及一种基于循环平稳测度的盲源分离方法。

技术介绍

[0002]基于振动信号处理的旋转机械故障诊断方法是研究热点之一，机械设备产生异常状态时其振动信息会发生变化。目前基于振动信号处理的时域分析、频域分析和时频分析方法等都已经成功应用于旋转机械的故障诊断中，并取得了很好的效果。然而，在轴承故障诊断领域仍面临着许多挑战和困难：(1)振动加速度传感器与故障源之间的传输路径复杂，使得故障信号容易被背景噪声淹没；(2)轴承中滚子的随机滑动会导致实际的故障特征频率与理论值之间存在误差；(3)机械系统的复杂性导致的非周期性脉冲噪声和周期性干扰，为轴承故障信号的提取增加了难度。
[0003]针对上述技术难题，盲源分离方法能有效消除噪声的影响并提取故障信号，是一种被广泛应用于故障诊断领域的方法。其中，最小熵解卷积(Minimum Entropy Deconvolution,MED)是一种无需任何先验假设的时域信号盲源分离方法，其旨在最小化噪声干扰并有效提取故本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于循环平稳测度的盲源分离方法，其特征在于，包括以下步骤：Sl：使用加速度传感器采集被测对象表面的原始振动信号，并对原始振动信号进行预处理得到标准信号，对标准信号进行预滤波处理得到分析信号；S2：设置盲源分离算法的初始参数，包括算法最大迭代次数，目标信号的循环频率计算范围，及其谐波搜索阶数；S3：设计逆滤波器求解目标信号，计算目标信号的循环平稳测度，将其转换为矩阵形式，计算循环权重矩阵，通过最大化目标信号的循环平稳测度，以更新逆滤波器参数并求解和更新目标信号；S4：重复步骤S3直至逆滤波器参数收敛或算法达到最大迭代次数，将算法最终更新的目标信号作为最优解，即原始振动信号的盲源分离结果。2.根据权利要求1所述的方法，其中所述S1步骤包括：使用加速度传感器采集被测对象表面的原始振动信号，从原始振动信号中截取长度为L的信号，并进行零均值化处理得到标准信号y，通过带通滤波器实现预滤波处理，得到谱频率范围在[l，h]的分析信号y
l，h
：其中，为卷积运算。3.根据权利要求1所述的方法，其中所述S2步骤包括：设置以下参数：盲源分离算法的最大迭代次数S，目标信号x
f
的循环频率范围[α
k1
，α
k2
]，及其谐波搜索阶数M，并根据[α
k1
，α
k2
]和M初始化循环频率搜索集合Ω＝{[α
k1
，α
k2
]∪[2α
k1
，2α
k2
]，...∪[Mα
k1
，Mα
k2
]}。4.根据权利要求1所述的方法，其中所述S3步骤包括：S31：设计长度为N的逆滤波器Q
f
，对分析信号y
l，h
...

【专利技术属性】
技术研发人员：辛格，钟槭畑，孙梦瑶，王怡然，丁一帆，李哲，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：