约束独立成分分析及其在滚动轴承故障诊断中的应用

【摘要】：随着科学技术的进步和工业需求的发展,各类先进生产设备一方面不断向复杂、高速、高效、大型自动化方面发展,另一方面却又面临更加苛刻的工作和运行环境。一旦设备的关键部件发生故障,就可能破坏整台设备甚至影响整个生产过程,造成巨大的经济损失,还可能导致灾难性的人员伤亡并产生严重的社会影响。因此,如何用新的理论和方法丰富和完善机械故障诊断技术是机械故障诊断学的重要内容之一。本论文以丰富和提高机械故障诊断理论为目的,以解决机械工程中的关键设备的故障诊断为工程应用需求,用现代信号处理技术中的约束独立成分分析方法为工具,针对机械设备中应用最广泛的旋转机械设备为研究对象,并以滚动轴承的故障诊断为实例进行研究。从而客观、有效地识别和避免故障,及时、准确地提供维修策略,避免重大经济损失的发生。这不仅具有重要的理论意义,而且具有重大的工程应用价值。 本论文将基于高阶统计量的独立成分分析方法和诊断对象的先验信息相结合,先后研究了基于脉冲法的约束独立成分分析、基于模型的约束独立成分分析和频域约束独立成分分析,论文主要包括以下内容： 阐述了论文的选题背景和研究意义。介绍了本论文的课题来源、国内外研究现状、约束独立成分分析与盲源分离、独立成分分析的关系,盲源分离的一般原理和步骤、盲源分离应用于机械故障诊断的难点、盲信号提取的优点、问题的提出、主要的研究内容及技术路线。 简要概述了约束独立成分分析的数学基础、基本概念和基本原理。从约束独立成分分析发展的历史逻辑和它与独立成分分析的关系入手,介绍了独立成分分析方法的模型、可辨识性、非高斯性的度量以及算法原理。研究了约束独立成分分析的优点、约束类型、基本原理和评价指标。 针对滚动轴承的故障特性,建立了基于脉冲法的约束独立成分分析算法并将其应用于滚动轴承的故障诊断。推导和证明了基于脉冲法的约束独立成分分析算法的正确性。分析和归纳了约束独立成分分析方法的参考信号应该满足的条件以及参考信号的建立方法。研究了参考信号的相关参数和算法性能之间的关系。指出了卷积混合模型用瞬时混合模型近似代替的工程条件。基于脉冲法的约束独立成分分析算法以单元ICA算法为基础,以一个脉冲序列为参考信号(约束条件),让脉冲序列的频率等于滚动轴承的特征频率,使单元ICA算法向着与参考信号相符合的方向收敛。传感器信号中如果有和参考信号相符合的故障,则可以提取出故障信号；反之,则无法提取出故障信号。该算法可以快速而精确地诊断出设备的滚动轴承故障。 在单元ICA算法的基础上,提出了基于滚动轴承理论模型的约束独立成分分析算法,用于滚动轴承的故障诊断。该算法的参考信号是由滚动轴承的理论故障模型产生,算法在收敛的时候会向着和参考信号相一致的方向收敛,模型误差一般不影响故障信号的提取。仿真和实验表明,传感器信号中如果有和参考信号相符合的故障,则可以提取出故障信号；反之,则无法提取出故障信号。与基于脉冲法的约束独立成分分析算法相比,提高了计算速度。该算法将测量数据的统计独立性和滚动轴承的理论故障模型相结合,可以快速而精确地诊断出设备的滚动轴承故障。这为滚动轴承的智能快速故障诊断提供给了新的方法和手段。 提出了频域约束独立成分分析算法,用于被研究对象的频率范围已知或我们仅仅关心某个频带范围内故障的场合。该算法在快速固定点ICA算法中嵌入滤波器作为约束,使算法仅仅输出符合频带要求范围内的信号。该算法不仅可以在故障诊断时摒弃其它信号的干扰,还具有消噪和分离频率混叠的冲击性故障信号的功能。论文以滚动轴承的故障诊断为例,验证了该方法的适用性和有效性。 对论文的研究工作与主要创新点进行了全面地总结和归纳,并对随后有待深入探讨的焦点问题与研究方向进行了展望。