大型風(fēng)力發(fā)電機(jī)機(jī)械噪聲信號(hào)分離識(shí)別技術(shù)探析

1、大型風(fēng)力發(fā)電機(jī)機(jī)械噪聲信號(hào)分離識(shí)別技術(shù)探析摘要風(fēng)能作為一種可再生的循環(huán)利用能源，近年來(lái)風(fēng)電技術(shù)不斷得到發(fā)展，風(fēng)力發(fā)電機(jī)經(jīng)常處于惡劣的工作環(huán)境下，其載荷處于長(zhǎng)期的交變狀態(tài)下，在大力發(fā)展風(fēng)電的過(guò)程中，對(duì)環(huán)境影響較為突出的問(wèn)題便是風(fēng)機(jī)運(yùn)轉(zhuǎn)帶來(lái)的噪聲污染。由于風(fēng)力機(jī)機(jī)組包含非常多的機(jī)械部件，因此在正常運(yùn)行與異常狀態(tài)下都會(huì)產(chǎn)生各種噪聲與振動(dòng)。通常采用傳感器進(jìn)行信號(hào)的采集時(shí)，往往伴隨著諸如潤(rùn)滑系統(tǒng)的振動(dòng)信號(hào)、溫控循環(huán)系統(tǒng)的振動(dòng)信號(hào)等強(qiáng)干擾信號(hào)，為了將機(jī)械噪聲信號(hào)從中分離出來(lái)，需要將這些強(qiáng)干擾信號(hào)去除，因?yàn)楦蓴_信號(hào)與噪聲之間會(huì)發(fā)生耦合，使想要的機(jī)械信號(hào)埋沒其中不易識(shí)別。為此，本文擬采用盲分離手段對(duì)混合信號(hào)進(jìn)

2、行去干擾處理。經(jīng)過(guò)預(yù)處理后采用EMD-Fast Ica 對(duì)混合信號(hào)實(shí)施盲源分離，盲處理的優(yōu)點(diǎn)是可以在不必源信號(hào)的數(shù)量和傳遞參數(shù)未知條件下，實(shí)現(xiàn)對(duì)采集的混合信號(hào)中的各數(shù)據(jù)進(jìn)行分離。為了驗(yàn)證此算法的分離效果與可行性，本文先進(jìn)行仿真實(shí)驗(yàn)?zāi)M出風(fēng)電機(jī)組機(jī)械系統(tǒng)中的典型振動(dòng)信號(hào)，并選擇風(fēng)力機(jī)主要傳動(dòng)系統(tǒng)部件齒輪作為識(shí)別實(shí)例，驗(yàn)證了此方法確實(shí)可以分離出機(jī)械噪聲信號(hào)。關(guān)鍵詞：大型風(fēng)力發(fā)電機(jī)，盲分離，經(jīng)驗(yàn)?zāi)Ｊ椒纸?，?dú)立分量分析，噪聲識(shí)別。AbstractAs a renewable energy source, wind energy has been continuously developed in re

3、cent years.Windturbinesareofteninaharshworkingenvironment,andtheirloadsareina long-termalternatingstate.Intheprocessofvigorouslydevelopingwindpower,the environment The more prominent problem is the noise pollution caused by the operation of thefan.Sincethewindturbineunitcontainsalargenumberofmechani

4、calcomponents, various noises and vibrations are generated in normal operationand abnormal conditions.Usually, when sensors are used for signal acquisition, they are often accompanied by strong interference signals such as vibration signals of the lubrication system and vibration signals ofthetemper

5、aturecontrolcirculatorysystem.Inordertoseparatethemechanicalnoise signals, these strong interference signals need to be removed because interference Coupling occurs between the signal and the noise, making the desired mechanical signal buried and difficult to identify.Tothisend,thispaperintendstouse

6、theblindseparationmethodtodeinterferethe mixedsignal.Afterpre-processing,theEMD-FastIcaisusedtoperformblindsource separation on the mixed signal. The advantage of the blind processing is that the data in the collected mixed signal can be separated without the unknown number of source signals and the

7、 transmission parameters. In order to verify the separation effect and feasibility of this algorithm, this paper firstly simulates the typical vibration signal in the mechanical system of wind turbine, and selects the gear of the main transmission system of the wind turbine as the identification exa

8、mple, which proves that this method can indeed separate the machinery Noise signal.Key Words:Large wind turbine, Blind separation, EMD, ICA, Noise recognition 。第 1 章 緒論以風(fēng)力發(fā)電為代表的清潔能源技術(shù)逐步替代以煤炭、石油等為代表的傳統(tǒng)能源技術(shù)是必然的。風(fēng)電產(chǎn)業(yè)在過(guò)去幾年相關(guān)技術(shù)尚不成熟的情況下盲目擴(kuò)張、發(fā)展過(guò)熱，造成風(fēng)電裝備成本高、設(shè)備壽命短，其運(yùn)行狀態(tài)難以掌控，事故頻發(fā)，嚴(yán)重影響風(fēng)力機(jī)的運(yùn)行效率及可靠性1。大型風(fēng)力風(fēng)電機(jī)組在極端

9、的天氣諸如暴風(fēng)雪、暴雨環(huán)境中，承受的疲勞載荷將會(huì)發(fā)生瞬態(tài)變化，使得風(fēng)力機(jī)主軸和增速箱等傳動(dòng)部件性能退化嚴(yán)重、甚至失效，必須采取措施保障其安全運(yùn)行。目前提高風(fēng)力機(jī)傳動(dòng)系統(tǒng)運(yùn)行安全性的措施主要有兩種：一是設(shè)計(jì)環(huán)節(jié)上提出一些標(biāo)準(zhǔn)，二是運(yùn)行狀態(tài)監(jiān)測(cè)與故障診斷。由于服役環(huán)境的不同，風(fēng)力機(jī)傳動(dòng)結(jié)構(gòu)設(shè)計(jì)標(biāo)準(zhǔn)具有很大的局限性2，故運(yùn)行狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)成為目前提高風(fēng)力機(jī)傳動(dòng)系統(tǒng)運(yùn)行安全性的主要措施并廣泛應(yīng)用，取得了一定的效果3。但傳統(tǒng)時(shí)頻技術(shù)難以適應(yīng)大型風(fēng)力機(jī)的發(fā)展需要，如振動(dòng)信號(hào)的小波分析方法、自適應(yīng)模糊推理方法等對(duì)環(huán)境力引起狀態(tài)劣化產(chǎn)生的強(qiáng)耦合微弱信號(hào)識(shí)別方面效果不佳；聲發(fā)射方法對(duì)低頻信號(hào)分析能力不足

10、等。因此，迫切需要研究新的傳動(dòng)系統(tǒng)運(yùn)行狀態(tài)監(jiān)測(cè)與故障診斷方法，尤其需要針對(duì)早期故障的檢測(cè)診斷方法。隨著世界制造業(yè)的再一次轉(zhuǎn)型升級(jí)（如德國(guó)工業(yè)4.0、美國(guó)先進(jìn)制造伙伴計(jì)等），2015年5月，我國(guó)正式印發(fā)中國(guó)制造2025，工業(yè)大數(shù)據(jù)分析理論開始廣受關(guān)注4,5；結(jié)構(gòu)噪聲作為機(jī)械振動(dòng)的產(chǎn)物，通常需要將其降低和控制，但大型風(fēng)力機(jī)結(jié)構(gòu)噪聲在不同運(yùn)行狀態(tài)下會(huì)呈現(xiàn)不同的聲輻射性質(zhì)，即可以結(jié)構(gòu)噪聲利用;。 因此，將大數(shù)據(jù)分析理論應(yīng)用在大型風(fēng)電機(jī)組的傳動(dòng)系統(tǒng)中去，來(lái)實(shí)現(xiàn)其在惡劣環(huán)境下的識(shí)別運(yùn)行狀態(tài)與故障噪聲識(shí)別，繼而對(duì)大型風(fēng)力機(jī)的維護(hù)安全運(yùn)行提供參考價(jià)值。1.1、課題來(lái)源 。本文的研究工作基于以下基金的支持國(guó)家自

11、然科學(xué)基金項(xiàng)目（51675350）：基于結(jié)構(gòu)噪聲信息的大型風(fēng)力機(jī)傳動(dòng)系統(tǒng)運(yùn)行狀態(tài)識(shí)別與故障診斷方法研究。1.2、問(wèn)題的提出 。風(fēng)能作為一種新可循環(huán)再生能源，其顯著特點(diǎn)為污染較小、可開發(fā)性大。早在二十世紀(jì)初人們一開始嘗試進(jìn)行風(fēng)力發(fā)電。通常風(fēng)速為3. 45.4m / s的三級(jí)風(fēng)已具備利用價(jià)值。中國(guó)風(fēng)力資源豐富，絕大多數(shù)地區(qū)的年平均風(fēng)速都在3 m / s以上，東南沿海及其島嶼地區(qū) 3m / s 的風(fēng)速全年累積7 905，極具風(fēng)力發(fā)電空間。2016 年11 月，國(guó)家能源局印發(fā)的楓電發(fā)展第十三個(gè)五年規(guī)劃綱要設(shè)定風(fēng)電發(fā)展總量目標(biāo)為：到 2020 年，風(fēng)電累計(jì)并網(wǎng)裝機(jī)容量確保達(dá)到2.1 億千瓦以上，其中海上

12、風(fēng)電并網(wǎng)裝機(jī)容量達(dá)到 500萬(wàn)千瓦以上；風(fēng)電建設(shè)總投資估算 7000 億元以上，風(fēng)電年發(fā)電量確保達(dá)到4 200 億千瓦時(shí)，約占全國(guó)總發(fā)電量的 6%。在大力發(fā)展風(fēng)電的過(guò)程中，對(duì)環(huán)境影響較為突出的問(wèn)題便是風(fēng)機(jī)運(yùn)轉(zhuǎn)帶來(lái)的噪聲污染。近距離內(nèi)，風(fēng)機(jī)噪聲會(huì)妨礙正常通訊和交談，干擾居民體息、影響市民的正常生活，也不利于學(xué)校的教學(xué)。因此風(fēng)機(jī)機(jī)組所在地就不適合人們生活，也不宜建造各種生活建筑?？紤]到這些噪聲帶來(lái)的不良影響，在何處建設(shè)風(fēng)電廠已成為不可忽略的考慮因素。在前期規(guī)劃階段，合理預(yù)測(cè)噪聲值及其影響范圍顯得尤為必要。說(shuō)道噪聲的識(shí)別與控制，首先要進(jìn)行噪聲來(lái)源的識(shí)別判斷。噪聲源識(shí)別的分類有很多，按照噪聲源所在系統(tǒng)

13、中的位置不同，可分為表面噪聲源識(shí)別和內(nèi)部噪聲源識(shí)別。表面噪聲源識(shí)別是確定設(shè)備表面部件的噪聲輻射貢獻(xiàn)；內(nèi)部噪聲源識(shí)別目的是找到設(shè)備內(nèi)部部件的噪聲輻射貢獻(xiàn)。大型風(fēng)力機(jī)服役環(huán)境的特殊性使得其結(jié)構(gòu)設(shè)計(jì)標(biāo)準(zhǔn)具有局限性，這個(gè)局限性需要長(zhǎng)期設(shè)計(jì)經(jīng)驗(yàn)累積才能夠解決，故現(xiàn)階段對(duì)運(yùn)行狀態(tài)的檢測(cè)及故障診斷就顯得尤為重要，但傳統(tǒng)時(shí)頻技術(shù)等對(duì)環(huán)境力引起狀態(tài)劣化產(chǎn)生的強(qiáng)耦合微弱信號(hào)識(shí)別方面效果不佳。利用在時(shí)間尺度上不同結(jié)構(gòu)、不同狀態(tài)下的結(jié)構(gòu)噪聲輻射不同的特性，能夠?qū)崿F(xiàn)大型風(fēng)力機(jī)傳動(dòng)系統(tǒng)強(qiáng)耦合微弱結(jié)構(gòu)噪聲信號(hào)的識(shí)別。因此，必須研究針對(duì)大型風(fēng)力機(jī)傳動(dòng)系統(tǒng)結(jié)構(gòu)噪聲信息特征提取方法。1.3、國(guó)內(nèi)外研究動(dòng)態(tài) 。國(guó)內(nèi)外學(xué)者對(duì)噪聲源的

14、識(shí)別方法進(jìn)行了廣泛的研究，總的來(lái)說(shuō)可以歸結(jié)為三大類。第一類：傳統(tǒng)噪聲源識(shí)別方法。這類方法主要基于工廠的實(shí)際生產(chǎn)，較為簡(jiǎn)單。主要方法有主觀評(píng)價(jià)法、選擇運(yùn)行法、頻譜分析法6。按照生產(chǎn)人員的傳統(tǒng)經(jīng)驗(yàn)知識(shí)，在對(duì)設(shè)備實(shí)際施工操作中識(shí)別噪聲源的方法稱為主觀評(píng)價(jià)法。該方法主要靠的是用人耳來(lái)聽噪聲位置，因此只適用于非常簡(jiǎn)單的設(shè)備，按照檢測(cè)維修經(jīng)驗(yàn)來(lái)判斷，那么就會(huì)受到較大的人為因素干擾。當(dāng)不知道機(jī)械設(shè)備具體哪個(gè)部件產(chǎn)生噪聲時(shí)，選擇其中的部分單個(gè)或幾個(gè)單獨(dú)運(yùn)行來(lái)識(shí)別噪聲源的方法稱為選擇運(yùn)行法?？梢钥闯鲞@種方法具有較大的盲目性與局限性，可以用來(lái)進(jìn)行初步的噪聲估計(jì)處理。將采集的時(shí)域信號(hào)轉(zhuǎn)化到頻域分析，計(jì)算信號(hào)的幅值譜

15、和功率譜的方法稱為頻譜分析法。通過(guò)計(jì)算采集信號(hào)的頻域特征來(lái)診斷，但是忽視了時(shí)域信息，對(duì)一些非穩(wěn)態(tài)信號(hào)的處理就顯得無(wú)能為力。第二類：基于聲源的識(shí)別方法。近年來(lái)隨著聲學(xué)理論與傳感技術(shù)的不斷飛速發(fā)展，在工程應(yīng)用方面有了很大的進(jìn)步。該方法的顯著特點(diǎn)就是成本較高，但識(shí)別精度與效率都比較好，原因在于聲學(xué)傳感器的造價(jià)昂貴?；诼曌R(shí)別的方法主要有聲強(qiáng)測(cè)量法和聲全息法，聲強(qiáng)測(cè)量法是上世紀(jì)七八十年代發(fā)展起來(lái)的聲學(xué)測(cè)量技術(shù)6, 7。聲功率測(cè)量法主要分為離散點(diǎn)法和掃描法。通過(guò)對(duì)聲源的聲強(qiáng)級(jí)大小的測(cè)量來(lái)識(shí)別噪聲源所在8。此方法的優(yōu)點(diǎn)在于對(duì)測(cè)量環(huán)境的要求較低，不需要一定在消聲室中進(jìn)行測(cè)量9。此方法的不足在于需要較多的聲學(xué)

16、傳感器，前面提到的造價(jià)較高限制了此方法的發(fā)展。在應(yīng)用聲強(qiáng)識(shí)別某高速增壓柴油機(jī)中，學(xué)者郝志勇10發(fā)現(xiàn) 100 Hz 頻率成分主要來(lái)自于油底殼，200Hz 頻率成分主要來(lái)自于齒輪室。驗(yàn)證了聲強(qiáng)法識(shí)別發(fā)動(dòng)機(jī)噪聲源的有效性。除此之外，按照聲波干涉來(lái)識(shí)別噪聲源的方法稱為聲全息技術(shù)，基本原理為通過(guò)傅里葉變換推導(dǎo)全息面和重建面的聲壓聯(lián)系，隨后分析全息面，得到重建面。此方法利用了聲相位11的特點(diǎn)。在生產(chǎn)工程中，近場(chǎng)聲全息技術(shù)得到了廣泛應(yīng)用，因?yàn)槠渚瓤梢赃_(dá)到幾十分之一波長(zhǎng)12。相比較聲強(qiáng)法而言具有更好的識(shí)別效果。但是其存在顯著的缺點(diǎn)即為對(duì)測(cè)量環(huán)境要求較高，一般需要在消聲室中進(jìn)行。這兩種方法都屬于表明噪聲源識(shí)別

17、方法。學(xué)者于飛將近場(chǎng)聲全息應(yīng)用于噪聲源的識(shí)別與定位中，并從數(shù)值仿真13和測(cè)量實(shí)驗(yàn)14兩個(gè)角度驗(yàn)證了識(shí)別算法的有效性。第三類：基于現(xiàn)代數(shù)字信號(hào)處理的識(shí)別方法。近年來(lái)信息技術(shù)飛速發(fā)展，現(xiàn)代數(shù)字信號(hào)處理得到了飛速發(fā)展與補(bǔ)充。在機(jī)械工程領(lǐng)域，學(xué)者們通過(guò)研究與擴(kuò)展提出了許多基于現(xiàn)代數(shù)字信號(hào)處理的識(shí)別方法，并對(duì)其進(jìn)行了工程應(yīng)用來(lái)驗(yàn)證。其中偏相干分析法15是應(yīng)用較多的一種，偏向干分析是基于相干分析法擴(kuò)展的。對(duì)一組混合輸入信號(hào)，選取其中一個(gè)信號(hào)，去掉其與其他輸入信號(hào)的相干部分，得到殘余信號(hào)，分析殘余信號(hào)對(duì)輸出信號(hào)的響應(yīng)，以此步驟重復(fù)分析每個(gè)輸入信號(hào)對(duì)輸出信號(hào)的影響。此方法較多應(yīng)用在在多輸入單輸出系統(tǒng)的噪聲源識(shí)

18、別問(wèn)題中。根據(jù)輸入聲源信號(hào)的特點(diǎn)不同，特別是當(dāng)系統(tǒng)的信號(hào)存在強(qiáng)耦合和強(qiáng)相干時(shí)，學(xué)者楊德森16提出了改進(jìn)方法，通過(guò)采取希爾伯特變換與倒頻譜分析和偏相干技術(shù)三種方法相結(jié)合，來(lái)確定混合信號(hào)中相干成分間的影響，此方法可以避免各個(gè)輸入信號(hào)之間存在的耦合，并建立潛艇艙段模型，分析識(shí)別了其中的機(jī)械噪聲。層次分析法，是指將與決策總是有關(guān)的元素分解成目標(biāo)、準(zhǔn)則、方案等層次，在此基礎(chǔ)之上進(jìn)行定性和定量分析的決策方法。吳海平17學(xué)者巧妙地將層次分析法應(yīng)用于潛艇的噪聲源識(shí)別，并結(jié)合偏向干分析方法按照各個(gè)噪聲源的貢獻(xiàn)量不同進(jìn)行識(shí)別排序。雖然上述兩種方法應(yīng)用于潛艇設(shè)備，在機(jī)械領(lǐng)域也同樣適用。就上述提到的噪聲源各種識(shí)別方法

19、而言，其適用范圍是不同的。其中，傳統(tǒng)的四種識(shí)別方法（主觀評(píng)價(jià)法、選擇運(yùn)行法、聲強(qiáng)測(cè)量法和聲全息法）由于其方法特點(diǎn)與測(cè)量環(huán)境，是在機(jī)械系統(tǒng)外部或表面進(jìn)行測(cè)量，忽略了機(jī)械系統(tǒng)的內(nèi)部運(yùn)行，因此屬于表面噪聲源識(shí)別技術(shù)；另一種方法頻譜分析法則不需要苛刻的測(cè)試環(huán)境，其目的在于分析系統(tǒng)內(nèi)部的噪聲輻射機(jī)理，控制或減小噪聲，因此屬于內(nèi)部噪聲源識(shí)別技術(shù)。隨著噪聲識(shí)別技術(shù)的發(fā)展，單單的傳統(tǒng)識(shí)別方法與基于的噪聲源識(shí)別方法已經(jīng)不能滿足實(shí)際工程中遇到的噪聲難題，而近年來(lái)現(xiàn)代數(shù)字信號(hào)處理方法多被采用在實(shí)際工程中并取得了滿意的效果與精度。根據(jù)風(fēng)力發(fā)電機(jī)組的工作環(huán)境特點(diǎn)，采集到的振動(dòng)噪聲信號(hào)往往都伴隨著各種沖擊等瞬態(tài)變化，傳統(tǒng)

20、方法中的頻譜分析不適用來(lái)針對(duì)一些非穩(wěn)態(tài)信號(hào)，不能滿足噪聲源識(shí)別的要求。以常用的兩種時(shí)頻分析方法為例，小波變換和短時(shí)傅里葉變換由于Heisenberg 測(cè)不準(zhǔn)，只能獲得部分頻段的時(shí)頻，在全頻段上存在分辨率不足的缺點(diǎn)。1998美籍華人 Huang18年提出經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition，EMD)方法來(lái)針對(duì)瞬時(shí)非穩(wěn)態(tài)信號(hào)。將混合信號(hào)分解為一系列表征不同時(shí)間尺 度 的 固 有 模 式 函數(shù)（Intrinsic Mode Function，IMF）19。該方法與短時(shí)傅里葉變換比較自適應(yīng)好，可以消除 Heisenberg 測(cè)不準(zhǔn)帶來(lái)的頻段限制問(wèn)題，對(duì)非穩(wěn)態(tài)信號(hào)的分析

21、有效性提供了保證。同樣的經(jīng)驗(yàn)?zāi)B(tài)分解方法的不足在于混合信號(hào)出現(xiàn)斷點(diǎn)時(shí)，會(huì)出現(xiàn)在模態(tài)混合的情況，對(duì)分解結(jié)果的準(zhǔn)確性造成影響。Gledhill20和 Flandrin21在進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解之前，在混合信號(hào)中加入白噪聲信號(hào)，可以有效避免這一不足。在此基礎(chǔ)上，Wu22等學(xué)者為了提高 EMD 分析的準(zhǔn)確性，在混合信號(hào)中加入白噪聲信號(hào)后，進(jìn)行重復(fù)分解直到達(dá)到最終分離要求，提出了總體經(jīng)驗(yàn)?zāi)B(tài)分解 （Ensemble Empirical Mode Decomposition，EEMD）方法。鄭旭23針對(duì)總體經(jīng)驗(yàn)?zāi)B(tài)分解方法中的問(wèn)題，通過(guò)改進(jìn)加入的白噪聲信 號(hào) ， 提 出 了 改 進(jìn) 的 總 體 經(jīng) 驗(yàn) 模 態(tài)

22、 分 解 (ModifiedEnsembleEmpiricalModeDecomposition，MEEMD)方法，改善了識(shí)別方法的準(zhǔn)確性。風(fēng)力機(jī)的噪聲源來(lái)源廣泛，由于整個(gè)機(jī)組的機(jī)械部件非常多，造成噪聲的傳遞過(guò)程較為復(fù)雜，從而由傳感器測(cè)得的混合信號(hào)中有各種噪聲源信號(hào)。且在復(fù)雜的運(yùn)行狀態(tài)中存在某些噪聲源的頻譜相互重疊的情況，小波變換、EMD 等方法難以將重疊的特征頻率分離開來(lái)，從而導(dǎo)致識(shí)別失敗。根據(jù)風(fēng)力機(jī)振動(dòng)信號(hào)的復(fù)雜特點(diǎn)，宜采用盲源分離手段來(lái)處理。盲源分離的常用方法之一就是獨(dú) 立 分 量 分 析（IndependentComponent Analysis，ICA）24。最早其提出是為了解決雞尾

23、酒會(huì);問(wèn)題25。芬蘭學(xué)者提出快速獨(dú)立分量分析（FICA）算法24，基于固定點(diǎn)（Fixed-point）迭代優(yōu)化理論，將負(fù)熵作為目標(biāo)函數(shù)，計(jì)算混合信號(hào)中某一分量的非高斯性最大值，收斂速度快，有效的提高了 ICA 算法的效率。在工程應(yīng)用方面，徐紅梅26將獨(dú)立分量分析方法應(yīng)用于六缸柴油機(jī)的噪聲分離中，將內(nèi)燃機(jī)燃燒噪聲、正時(shí)齒輪噪聲和活塞敲擊噪聲分離識(shí)別出來(lái)。Minka 提出基于Minka Bayesian 選擇模型的（MIBS）信號(hào)子空間維數(shù)估計(jì)法20在通過(guò)實(shí)際應(yīng)用驗(yàn)證了該算法的有效性，確定了噪聲源信號(hào)的維數(shù)。當(dāng)出現(xiàn)欠定問(wèn)題時(shí)即采集的信號(hào)數(shù)量小于估計(jì)源信號(hào)的數(shù)量時(shí)，學(xué)者們提出了用經(jīng)驗(yàn)?zāi)B(tài)分解方法和獨(dú)

24、立分量分析方法相結(jié)合來(lái)解決 EMD 模態(tài)混合的問(wèn)題，并能滿足ICA 方法對(duì)輸入信號(hào)數(shù)目的要求。李林潔27以 EMD-ICA 方法對(duì)柴油機(jī)進(jìn)行單通道采樣，采用EMD 來(lái)構(gòu)造估計(jì)虛擬信號(hào)，目的在于確定估計(jì)源信號(hào)的維數(shù)，之后對(duì)構(gòu)造的虛擬信號(hào)進(jìn)行 ICA處理。當(dāng)采集的混合信號(hào)存在多種噪聲耦合的情況，若直接使用 ICA 算法進(jìn)行分析，那么計(jì)算過(guò)程中需要分解很多特征分量，存在計(jì)算量過(guò)大的缺點(diǎn)。當(dāng)混合信號(hào)中噪聲源數(shù)目較多時(shí)，計(jì)算效率不能得到有效的保證。因此，ICA 適用于頻率交疊的非平穩(wěn)信號(hào)，實(shí)現(xiàn)噪聲源解耦分離的目的。在工程生產(chǎn)中如果只需要對(duì)其中的已知特征頻率的噪聲源進(jìn)行分析，可以在獨(dú)立分量分析基礎(chǔ)上進(jìn)行改進(jìn)，應(yīng)用約束獨(dú)立成分分析（cICA）28,29。王志陽(yáng)30應(yīng)用 cICA 在已知滾動(dòng)軸承特征頻率的情況下，成功提取了軸承的故障信號(hào)。楊偉新31將支持向量機(jī)(SupportVectorMachine，SVM)方法應(yīng)用在EMD-ICA 結(jié)合中進(jìn)行滾動(dòng)軸承故障診斷。對(duì)于頻率交疊的信號(hào)ICA 可以有效地去除混合信號(hào)中背景噪聲和回聲干擾。1.4、本文研究?jī)?nèi)容第2章風(fēng)機(jī)信號(hào)的EMD及ICA盲分離算法2.1、風(fēng)機(jī)混合信號(hào)的盲分離處理2.2、盲分離的基本概念與分類2.2.1、混合信號(hào)的前期處理2.2.2、盲分離數(shù)學(xué)模型2.2