基于FastICA算法的转子故障特征分析.pdfVIP

学兔兔 基于FastlCA算法的转子故障特征分析 TherotorfaultcharacteristicanalysisbasedonfasUCA algorithm 岳晓峰，刘书溢 YUEXiao—feng，LIUShu-Yj (长春工业大学机电工程学院，长春 130012) 摘 要；为了诊断转子系统故障，针对转子信号特征混叠现象，提出了基于负熵的FastlOA算法，并将 其应用在转子故障信号分析上，对采集的转子振动信号进行特征分离提取，从而进行故障诊 断。根据最大负熵迭代原理建立 目标函数，以信号的非高斯性最大作为评判标准，通过模拟 转子振动信号验证了该方法的可行性，且分离结果显示该算法具有稳定性和准确性，通过转 子故障模拟实验台进行实测振动信号分析，进一步验证了该方法的有效性，为下一步诊断打 下良好基础。 关键词；快速独立分量分析；转子故障；特征分析 中圈分类号：TN911．6；U226．8+1 文献标识码：A 文章编号：1009—0134(2015)10(下)一0082—04 Doi：’0．3969／J．1ssn．1009-0134．2015．20．25 0 引言 其中每个观测信号x都是由M个独立源信号s=S【。，s2’…，sTII】线 性混合而成(N M=)，用公式表示为：x=As，其中：S—源 工业领域中，旋转机械是使用最为广泛的机械设 信号矢量，A—NXM的混合矩阵，这里设混合信号与 备，而转子系统作为旋转机械的核心部件，运行过程中 源信号均为零均值，且源信号间相互独立。线性瞬时混 由于振动会产生各种故障形式。不同程度的影响其正常 合模型图如图1所示。 工作，因此对转子进行故障诊断尤为重要，转子故障特 征提取既是基础也是诊断的核心步骤，而当今国内外专 家学者 已经针对转子系统的故障诊断研究nq做了大量 工作，但大部分现有的工作和文献只是针对采集的混合 信号特征值直接进行分析处理，而没有对其进行特征提 取分离，这样显然给转子故障诊断带来一定的偏差和 图1 线性瞬时混合模型 不便，而振动信号在采集过程中难免会混参杂着其他信 从模型可知只有获取传播路径的相关信息，才能分 号，只有将混合信号进行特征提取，分离处理，再分别 离出独立的源信号，公式表示分离过程为： 对分离信号进行分析运算才能更加准确的对转子故障进 (f)=Wx(t)=WAs(t)=§ (1) 行判断。 独立源信号s(t)无法直接获取，假如没有其他的限 近些年来兴起多种BSS算法解决实际问题H】，其中 制条件，则式y(t)=wx(t)的解必为多解，然而在某些限 最主要的算法是独立分量分析 (ICA)5[~71该算法把 制条件下，根据掌握相应的先验知识和x的统计特性， 非高斯信号作为研究对象，根据源信号之间的统计独立