盲源分离算法在振动筛故障诊断中的应用研究

本资料包含pdf文件1个，下载需要5积分

盲源分离算法在振动筛故障诊断中的应用研究

盲源分离算法在振动筛故障诊断中的应用研究

振动筛广泛用于采矿、煤炭、建筑等行业，但是当前对振动筛故障诊断的研究仍处于起步阶段，对振动筛的状态监测和故障诊断还是停留在传统的人工故障诊断的方法，-般凭借工人的经验进行望、闻、问、切”的事后处理方法，缺乏-种比较专门的方法进行故障诊断。根据这种现状，利用近十来年迅速发展起来的盲源分离理论，可以为振动信号的处理、故障诊断的识别提供有效的方法。针对盲源分离算法在数学表达式上的特点，在单通道与多通道的情况下，分别对轴承的故障频率进行了提取，对盲源分离算法在振动筛轴承故障诊断上的应用进行了综合全面分析。-、多通道下的盲源分离算法1.肓源分离算法理论肓源分离算法中包括很多种算法，比较常见的有随机梯度算法，快速独立分量分析(FastICA)，但由于灵活的ICA算法分离效果要好于随机梯度算法的分离效果，该信号分析方法具有收敛性好、误差小的优点l1。篇幅有限，此处只介绍FastICA算法。ICA的快速定点算法(又称为FastICA算法)，它是基于非高斯最大化原理§速定点算法不依赖于用户具体指定的参数，并且能够计算所有非高斯参量，不论概率分布如何(当然高斯分布只有-个)。收敛速度是3次方，与基于梯度的算法相比，速度可能快lO倍到100倍。ICA问题的基本线性关系x(t)As(t)所示，测量数据预白化(或球化)常常能够改进ICA算法的稳定性和收敛特性。采用标准的PCA方法可以求得变换 ，这样就可以观测数据线性变换为矢量，即vVx (1)