基于盲分離的制冷機(jī)故障振動(dòng)診斷研究.pdf

1、制冷機(jī)通常安裝在環(huán)境比較惡劣的地方,由于各類信號(hào)之間互相干擾,所以很難提取準(zhǔn)確真實(shí)的信息,我們采用盲信號(hào)分離技術(shù)可以從紛繁的數(shù)據(jù)中提取有用信息,其優(yōu)勢(shì)在于無(wú)需掌握信號(hào)產(chǎn)生和傳播的先驗(yàn)知識(shí)。本文在故障源數(shù)量未知和源信號(hào)未知等條件下,著重探討了適于制冷機(jī)故障特征提取的盲分離算法和模型,以制冷機(jī)為研究對(duì)象,通過(guò)分離故障振動(dòng)源和噪聲源兩個(gè)途徑提供多元化的診斷參數(shù)和更豐富的故障信息,能夠解決實(shí)際運(yùn)行的制冷機(jī)難以提取信號(hào)特征的難題,既提高診斷的效率

2、和準(zhǔn)確度,又為機(jī)械設(shè)備故障診斷提供解決途徑。
　　 本文對(duì)改進(jìn)的二階統(tǒng)計(jì)量方法與傳統(tǒng)的JADE算法進(jìn)行了比較,發(fā)現(xiàn):具有時(shí)序結(jié)構(gòu)的源信號(hào)因其有不同的自相關(guān)函數(shù)或有非零時(shí)序相關(guān)數(shù)降低了對(duì)統(tǒng)計(jì)獨(dú)立性的限制條件,能夠較快地實(shí)現(xiàn)收斂,同時(shí)也能在噪聲能量較大的情況下實(shí)現(xiàn)分離。在信噪比低于20dB的情況下改進(jìn)算法性能指標(biāo)小得多,而在信噪比高于20dB以后,兩種算法趨于一致。為了消除噪聲影響,本文還改進(jìn)了盲解卷算法,在該算法中,無(wú)監(jiān)督的盲分離

3、處理過(guò)程和有監(jiān)督的噪聲消除過(guò)程同時(shí)進(jìn)行,通過(guò)相似系數(shù)來(lái)選取適合含噪信號(hào)盲解卷的非線性函數(shù)來(lái)最大化地輸出信號(hào)的廣義能量。在選擇延遲系數(shù)時(shí),我們綜合考慮了分離時(shí)間和收斂性能,發(fā)現(xiàn):隨著延遲系數(shù)的增大,收斂誤差函數(shù)值減小,收斂性能增強(qiáng),當(dāng)延遲系數(shù)增大到一定程度后,收斂性能的提高就不再顯著,同時(shí)分離時(shí)間會(huì)相應(yīng)的增長(zhǎng)。
　　 通過(guò)實(shí)驗(yàn)?zāi)M了兩個(gè)故障源和多故障源振動(dòng)信號(hào)混合的情況,分別應(yīng)用ICA算法、Bussgang算法和改進(jìn)盲解卷算法提取

4、出典型故障信號(hào)特征,驗(yàn)證了不同混合模型和迭代算法對(duì)振動(dòng)信號(hào)分離結(jié)果會(huì)產(chǎn)生很大影響。比較后發(fā)現(xiàn)改進(jìn)盲解卷算法的分離精度最高,說(shuō)明卷積混合模型適合制冷機(jī)的振動(dòng)診斷,這是由于其信號(hào)傳播路徑的不同,因此同一時(shí)刻的觀測(cè)信號(hào)是源信號(hào)在不同時(shí)刻數(shù)據(jù)的疊加。最后,應(yīng)用改進(jìn)盲解卷算法提取了螺桿式制冷機(jī)的磨損、氣流撞擊和嚙合不良的振動(dòng)故障特征,發(fā)現(xiàn):盲提取的白化預(yù)處理和對(duì)角化造成振動(dòng)信號(hào)的幅值有所變化,但如果用信號(hào)波形表征故障特征,可不考慮幅值比例對(duì)診斷結(jié)