基于時頻分析的機(jī)械故障盲分離研究現(xiàn)狀

基于時頻分析的機(jī)械故障盲分離研究現(xiàn)狀

盲源分離（bss）是提取多故障并在強(qiáng)干擾下產(chǎn)生有用故障特征的有效方法。而絕大多數(shù)機(jī)械源信號分離方法是限于非高斯、平穩(wěn)且相互獨(dú)立的源信號,并且要求觀測信號數(shù)目多于信號源數(shù),這在機(jī)械設(shè)備故障源分離中會產(chǎn)生許多問題,因?yàn)闄C(jī)械設(shè)備故障源并不滿足這些假設(shè)。當(dāng)機(jī)械設(shè)備發(fā)生故障時,往往表現(xiàn)為非平穩(wěn)性。對于非平穩(wěn)信號,其頻譜特性是隨時間而變化的,單純的時域或頻域不能充分描述非平穩(wěn)信號,而時頻分析提供了信號的頻譜內(nèi)容隨時間變化的信息,是非平穩(wěn)信號分析的有力工具。因此,有必要將現(xiàn)有的機(jī)械故障診斷的盲源分離方法推廣到時頻域中,借助信號的時頻分布,以使機(jī)械設(shè)備多故障分離。作者詳細(xì)介紹了時頻域機(jī)械故障源分離方法及其國內(nèi)外研究現(xiàn)狀,重點(diǎn)討論了幾種典型的時頻域盲分離算法,并進(jìn)行比較,最后,對其進(jìn)一步的研究方向談了自己的看法。1基于emd-roiege-vill分布的盲源分離算法將時頻分布和盲源分離結(jié)合起來應(yīng)用到機(jī)械故障診斷中,主要是用來解決非平穩(wěn)信號源分離問題。基于時頻分布的機(jī)械故障源分離過程可用圖1描述。在圖1中,WVD、PWVD、SPWVD、CWD、FRFT、EMD分別表示W(wǎng)igner-ville分布(Wigner-villeDistribution)、偽Wigner-ville分布(PseudoWigner-villeDistribution)、平滑偽Wigner-ville分布(SmoothedPseudoWigner-villeDistribution)、Choi-Williams分布(Choi-WilliamsDistribution)、分?jǐn)?shù)傅里葉變換(FractionalFourierTransform)和經(jīng)驗(yàn)?zāi)B(tài)分解(EmpiricalModeDecomposition)。在圖1中,左邊是基于WVD、PWVD、SPWVD、CWD、FRFT等時頻分析的盲源分離算法,右邊是基于EMD時頻分析的盲源分離算法。兩者的區(qū)別在于:前者是直接對所測得的觀測數(shù)據(jù)進(jìn)行處理;而后者是將所測得的觀測數(shù)據(jù)進(jìn)行信號分解,將得到的各個分量組成新的觀測信號,然后對新觀測數(shù)據(jù)進(jìn)行處理。不論是基于哪一種時頻分布的盲源分離,它們都包含了兩個重要過程:(1)對觀測信號X(t)進(jìn)行白化處理,得到白化矩陣W;(2)計算白化觀測信號的時頻分布,并進(jìn)行聯(lián)合對角化,得到酉矩陣U,由此,可估計出其源信號?s=UΗWX(t)2不同時頻域盲源分離方法現(xiàn)有的基于時頻分析的盲源分離主要集中在Cohen類時頻分布中[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19]。如文獻(xiàn)研究了基于Wigner分布的盲源分離方法,該算法主要由兩步完成:一是預(yù)白化過程,二是聯(lián)合對角化過程。文獻(xiàn)研究了基于模糊函數(shù)的非平穩(wěn)信號盲分離方法,該方法利用信號的不同模糊函數(shù)分布來達(dá)到混合信號分離。文獻(xiàn)利用時頻域盲分離來消除Wigner分布的交叉干擾。文獻(xiàn)提出了基于雙線性時頻分布的非平穩(wěn)信號盲分離方法。文獻(xiàn)研究了基于時頻分布的卷積混合盲分離方法。文獻(xiàn)研究了基于時頻分布的欠定盲分離方法。除了在Cohen類時頻分布內(nèi)研究非平穩(wěn)信號盲分離方法外,人們也開始研究基于其他時頻分析的盲源分離方法,如文獻(xiàn)提出了基于分?jǐn)?shù)Fourier變換的盲源分離方法,首先對觀測信號進(jìn)行白化處理得到新的觀測信號,再計算新的觀測信號的FRFT,由此估計廣義相關(guān)矩陣,進(jìn)而對估計的廣義相關(guān)矩陣進(jìn)行近似聯(lián)合對角化,從而得到源信號的估計。仿真結(jié)果驗(yàn)證了該方法的有效性。在時頻域盲分離理論研究基礎(chǔ)上,人們開始探討該理論在機(jī)械故障診斷中的應(yīng)用。將時頻分析和盲源分離結(jié)合起來,應(yīng)用到機(jī)械故障源分離中,這一思路主要來源于兩種信號分析方法各自的特點(diǎn),時頻分析是非平穩(wěn)信號處理的有力工具,盲源分離為多故障源分離提供了一種有效方法。當(dāng)前,基于時頻分析的機(jī)械故障源盲分離也取得了一些進(jìn)展[21,22,23,24,25,26,27,28],主要集中在Cohen類時頻分布、分?jǐn)?shù)Fourier變換(FractionalFourierTransform,FRFT)和經(jīng)驗(yàn)?zāi)B(tài)分解(EmpiricalModeDecomposition,EMD)這三類時頻分析領(lǐng)域中。為了敘述方便,作者把這三種不同時頻域的機(jī)械故障源分離方法分別稱為Cohen-BSS、FRFT-BSS、EMD-BSS方法。現(xiàn)對這三種不同時頻域的機(jī)械故障源分離方法作一對比。2.1與傳統(tǒng)技術(shù)的比較目前,基于時頻分析的機(jī)械故障源分離主要集中在Cohen類時頻分布領(lǐng)域中。文獻(xiàn)將基于Cohen類時頻分布的機(jī)械故障源分離方法應(yīng)用到轉(zhuǎn)子復(fù)合故障的盲分離中,并針對不同時頻分布的非平穩(wěn)盲源分離算法的分離效果進(jìn)行了比較。文獻(xiàn)將傳統(tǒng)的機(jī)械故障診斷的盲源分離方法推廣到Cohen類時頻分布中,借助信號的時頻分布,達(dá)到機(jī)械設(shè)備多故障分離的目的。同時,將提出的方法與傳統(tǒng)的機(jī)械設(shè)備非平穩(wěn)信號盲分離方法進(jìn)行了比較。仿真結(jié)果表明,提出的方法優(yōu)于傳統(tǒng)的機(jī)械故障源盲分離方法,機(jī)械設(shè)備非平穩(wěn)信號的盲分離必須充分利用信號的非平穩(wěn)性,才能達(dá)到很好的分離。實(shí)驗(yàn)結(jié)果進(jìn)一步驗(yàn)證了該方法的有效性。該方法的特點(diǎn)是只要源信號具有不同的時頻分布,就可以實(shí)現(xiàn)有效分離。2.2分?jǐn)?shù)furen變換域分?jǐn)?shù)Fourier變換作為一種新的時頻分析方法,是對經(jīng)典Fourier變換的推廣。它既與經(jīng)典的Fourier變換有著天然的聯(lián)系,又提供了Fourier變換所不具備的某些特點(diǎn)。分?jǐn)?shù)Fourier變換是一種處理非平穩(wěn)信號的有力工具?？紤]到分?jǐn)?shù)Fourier變換處理非平穩(wěn)信號的獨(dú)特優(yōu)勢,人們自然就希望在分?jǐn)?shù)Fourier變換域研究非平穩(wěn)信號的盲分離。呂亞平最先將分?jǐn)?shù)傅里葉變換和盲源分離結(jié)合起來應(yīng)用到軸承內(nèi)外圈故障盲分離中,實(shí)驗(yàn)結(jié)果驗(yàn)證了該方法的有效性。該方法與Cohen-BSS方法相比,其顯著特點(diǎn)是:它不必假定信號的能量隨時間而變,并且它不要求在時頻域選擇點(diǎn)上的預(yù)處理階段。2.3旋轉(zhuǎn)機(jī)械故障診斷基于EMD的機(jī)械故障源盲分離的研究才剛剛起步。孫暉等人針對非線性、非穩(wěn)態(tài)、含噪原始信號混合且混合信號數(shù)目小于源信號數(shù)目的旋轉(zhuǎn)機(jī)械調(diào)制故障源信號盲分離問題,提出了一種將經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)和主成分分析(PCA)相結(jié)合的方法,對混合信號進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解,提取嵌入在信號中的所有振蕩模式,應(yīng)用主成分分析方法對所提取的模式進(jìn)行共性分析,得到模式中的主要成分。利用該方法對仿真數(shù)據(jù)和兩通道滾動軸承加速度振動數(shù)據(jù)進(jìn)行分析,結(jié)果表明,該方法能夠有效突出旋轉(zhuǎn)機(jī)械的故障特征頻率成分。張云等人提出了一種局域波法和盲源分離相結(jié)合的發(fā)電機(jī)轉(zhuǎn)子故障診斷方法,不同故障信號的局域波時頻圖像也明顯不同,因此可以用來進(jìn)行故障的判別,以轉(zhuǎn)子的故障信號為例,應(yīng)用該方法進(jìn)行了研究,實(shí)驗(yàn)結(jié)果證明了該方法的有效性。李志農(nóng)等針對現(xiàn)有的基于時頻分析的機(jī)械故障源分離方法要求觀測信號數(shù)多于信號源的不足,提出了一種基于經(jīng)驗(yàn)?zāi)B(tài)分解的機(jī)械故障欠定盲源分離方法。該方法利用EMD方法對混合觀測信號進(jìn)行分解,將分解得到的所有的本征模函數(shù)(IntrinsicModeFunction,IMF)分量及原來的混合觀測信號重新組成新的觀測信號,將欠定BSS問題轉(zhuǎn)化為超定BSS問題;然后,對構(gòu)成的新觀測信號進(jìn)行白化處理及聯(lián)合對角化,得到源信號的估計。仿真結(jié)果驗(yàn)證了該方法的有效性,并且優(yōu)于傳統(tǒng)的機(jī)械故障源盲分離方法。最后,將提出的方法應(yīng)用到電機(jī)-減速箱耦合實(shí)驗(yàn)中,進(jìn)一步驗(yàn)證了該方法的有效性。EMD-BSS方法與Cohen-BSS方法、FRFT-BSS方法相比較,它的一個顯著特點(diǎn)是既適用于源數(shù)多于觀測信號數(shù)的分離,也適用于源數(shù)少于觀測信號數(shù)的分離。而Cohen-BSS方法、FRFT-BSS方法只能處理源數(shù)少于觀測信號數(shù)的混合信號的盲分離問題。3頻域盲源分離技術(shù)對比作者給出基于時頻分析的機(jī)械故障源分離方法,論述了時頻域盲源分離的國內(nèi)外研究現(xiàn)狀,并對三種典型的時頻域機(jī)械故障源盲分離方法進(jìn)行了對比。雖然,基于時頻分析的機(jī)械故障源分離已取得一些成果,但還有許多問題需要解決:(1)非線性混合盲源分離在實(shí)際中,機(jī)械發(fā)生故障時,傳感器獲得的振動信號并不都是各振源信號的線性混合,而是非線性混合。非線性混合的盲源分離是盲源分離問題中最棘手的問題,比線性混合的情況要復(fù)雜得多,但更接近實(shí)際情況,這方面需要進(jìn)一步的研究和探討。因此,基于時頻分析的非線性混合的的機(jī)械故障源分離方法值得進(jìn)一步深入研究。目前,在國內(nèi)外,這方面還是一個空白。(2)頻分析方法時頻分析方法除了Cohen類時頻分布、分?jǐn)?shù)Fourier變換、EMD外,還有許多時頻分析方法,如小波變換、第二代小波變換、局部均值分解(LocalMeanDecomposition,LMD)等,每一種時頻分析方法在描述和分析非平穩(wěn)信號時都有其獨(dú)特的特點(diǎn)。因此,有必要研究基于小波變換等其他時頻分析的機(jī)械故障源的盲分離方法。(3)缺少噪聲的影響在機(jī)械故障診斷系統(tǒng)中,傳感器所獲得的信號不可避免地受到不同類型的未知噪聲的干擾,若忽略噪聲的影響,則機(jī)械源分離效果往往很差。因此,機(jī)械故障診斷源分離必須考慮噪聲的影響。而現(xiàn)有的