参数优化最大二阶循环平稳盲解卷积行星轮轴承故障提取

在行星齿轮箱振动中,齿轮相关振动分量通常具有较大的能量,同时轴承滑移会造成行星轮轴承故障对应振动分量的特征频率获取困难。为此,提出一种基于参数优化最大二阶循环平稳盲解卷积(cyclostationary blind deconvolution, CYCBD)的行星轮轴承故障提取方法。该方法针对CYCBD技术在轴承滑移条件下难以获取循环频率和滤波器长度的问题,以改进的包络谱故障特征比(improved envelope spectrum fault feature ratio, IFFR)指标作为粒子群算法的适应度函数,自动获取CYCBD算法中实际的循环频率和优化滤波器长度,利用参数自适应的CYCBD算法增强了轴承故障冲击。通过解卷积结果的平方包络谱反映轴承故障特征,达到准确提取故障特征的目的。故障仿真和试验研究结果表明,该方法可以有效提取行星轮轴承故障特征。

一种基于增强型最大二阶循环平稳盲解卷积的齿轮箱复合故障诊断

针对齿轮箱复合故障振动信号易受到背景噪声干扰,使得传统方法对复合故障冲击特征难以准确分离的问题,提出一种自适应最大二阶循环平稳盲解卷积(ACYCBD)与1.5维导数增强谱相结合的复合故障诊断方法。首先,利用循环谱分析检测复合故障振动信号中与故障特征相关的循环频率成分,构建不同目标类型的循环频率集;之后,根据不同类型的循环频率集,提出一种以三阶累积量稀疏度(TCS)为指标,自适应地选取最大二阶循环平稳盲解卷积(CYCBD)的最优滤波器长度的改进算法,从而更好地获得包含不同故障冲击成分的CYCBD最优滤波信号;最后,提出一种新的1.5维导数谱进行特征增强,提高信噪比,并分析谱图中突出的故障特征频率进而判别故障类型。通过仿真信号与故障实验平台数据对算法进行验证,结果表明该方法能够实现齿轮箱复合故障的准确分离与诊断。

基于布谷鸟搜索算法和最大二阶循环平稳盲解卷积的滚动轴承故障诊断方法

针对最大二阶循环平稳盲解卷积(Maximum second order cyclostationary blind deconvolution,CYCBD)的轴承故障诊断效果取决于选取的故障特征频率的精度以及滤波器的长度的问题,提出了用布谷鸟搜索算法(Cuckoo search algorithm,CSA)优化CYCBD,并以改进的最大谐波显著性指标(Improved maximum harmonic significance index,IHSI)为优化依据的诊断方法。该方法首先要预估故障特征频率以及滤波器长度的搜索范围,然后利用CSA比较不同故障特征频率以及滤波器长度下解卷积信号的IHSI值,并选取最大IHSI值对应的故障特征频率和滤波器长度作为CYCBD的输入参数,最后对解卷积后的信号进行平方包络来提取故障特征。仿真和实验结果表明,CSA能够高效地寻找出精确的故障特征频率以及合适的滤波器长度,从而确保CYCBD的解卷积效果,而CYCBD与最小熵解卷积(Minimum entropy deconvolution,MED)、最大相关峭度解卷积(Maximum correlation kurtosis deconvolution,MCKD)的比较显示,CYCBD拥有更强的故障特征提取能力。

二阶广义总变分约束的太阳图像多帧盲解卷积

盲解卷积是常用的自适应光学图像事后重建方法之一。为提高盲解卷积对太阳(自适应光学)图像的重建效果,本文提出了基于二阶广义总变分的空变多帧盲解卷积算法。该算法首先利用交替最小化和半二次分裂方法求解本文提出的二阶广义总变分约束的空不变多帧盲解卷积模型;然后针对非等晕大视场太阳图像特性,利用重叠分块与加权拼接实现空变盲解卷积扩展。在一米新真空太阳望远镜(NVST)观测的真实太阳图像上进行的重建实验与分析表明,本文算法在主观视觉效果和客观指标上均具有较好的图像重建效果。

基于改进二阶循环平稳解卷积的轴承故障检测方法

针对涡轴发动机主轴轴承故障特征难以提取,背景噪声干扰大的问题,提出了改进二阶循环平稳解卷积(PSO-CYCBD)方法,用于提取强噪声背景下的故障特征频率.该方法采用粒子群优化(PSO)算法对二阶循环平稳解卷积(CYCBD)方法中的滤波器长度参数进行寻优.首先,基于故障轴承振动特点建立信号模型,然后用PSO算法对包络谱故障特征比(FFR)进行最大化处理,将得到的最优滤波器长度参数输入到CYCBD方法中,对滤波后的信号进行包络谱分析,提取故障特征频率.最后,将提出的方法应用于实测信号中,与传统包络谱分析相比提高了故障特征提取的效率和准确性,从而验证了该方法的有效性.

卷积混合机械非平稳振动信号的二阶盲分离方法

针对机械振动信号具有非平稳和卷积混合的特性,文中将基于二阶统计量的盲源分离方法推广至卷积混合的模型,提出在信号子空间的频域中对机械振动信号的盲解卷积方法。仿真和实测数据实验结果表明,此方法充分考虑信号的非平稳以及卷积混合特性,能较好地实现机械振动信号的盲分离。与传统盲源分离算法比较,该方法更适合于机械振动信号的分析。

基于循环平稳二阶统计量的SUB-CMOE盲均衡算法

提出了一种新的利用循环二阶统计量估计信道的盲均衡算法。通过对信道输出信号进行过采样,建立单输入多输出(single input multiple output,SIMO)信道模型。传统的约束最小输出能量算法(constrained minimum outputen ergyalgorithm,CMOE)只研究了理想的无噪声状态,不考虑噪声对信道的影响。然而实际中噪声是不可避免的。为了使得约束最小能量算法可以适用于有噪声环境,利用子空间算法来消除噪声对算法的影响。仿真结果表明本算法可以克服噪声对信道的影响,收敛速度快。

基于频域盲解卷积的机械设备状态监测与故障诊断

在频域盲解卷积(FDBD)模型的基础上,重点论述了其在工程信号特征提取中的关键技术:抑制循环—部分卷积误差的方法、次序不确定性的消除方法以及复数域盲分离算法的原理和应用。针对复杂环境或复杂机械设备结构中声、振信号的特征提取,全面综述了频域盲解卷积技术在机械设备状态监测和故障诊断中的研究现状,利用声学实验验证了其实际应用价值。最后指出了未来需要进一步研究的主要问题。

基于循环平稳理论的盲均衡算法的研究

文中提出的新算法是基于循环平稳理论的盲均衡算法。首先从理论上分析了以过采样技术对接收信号进行处理,根据接收信号所具有的二阶循环平稳性提出了一种新的基于二阶统计量的盲MMSE均衡算法。该算法的优点是其运算复杂度比传统算法的运算复杂度小。

基于二阶循环统计量的盲均衡算法

提出一种新的基于循环二阶统计量的盲均衡算法。通过对信道输出信号进行过采样,建立单输入多输出信道模型。由于过采样等效信道矩阵具有特殊结构,使得仅仅根据零延迟时的协方差矩阵所包含的信息就能实现信道估计,根据不同延迟下的协方差矩阵也可求得不同时延的均衡器矩阵,然后用最小均方误差MMSE准则来优化均衡器得到最佳延迟协方差矩阵。仿真结果表明了该算法的有效性。

基于二阶循环统计量的直接盲MMSE均衡算法

提出了一种基于二阶循环统计量的直接盲MMSE均衡算法。该算法利用接收信号的二阶循环平稳性,依据MMSE准则,不经过辨识直接均衡信道。由于利用了信号的周期循环平稳性,该算法可以实现非最小相位系统的盲均衡。仿真实验表明,与基于子空间的盲均衡算法和基于CMA的盲均衡算法相比较,该算法运算复杂度低、收敛速度快、且不会陷入局部最优点。此外,由于该算法不经过辨识直接均衡信道,所以受信道阶数误差的影响较小。

基于多个时间点联合解相关的卷积盲源分离

实际信号的混合均为卷积混合,且信号是非平稳的。盲源分离的目标就是找到一组分离滤波器,使得源信号的估计信号互相统计独立。结合信号的非平稳性,利用二阶解相关原理,文章阐明了一种在频域实现卷积混合的盲源分离算法,并且考虑了噪声对分离性能的影响。为了避免频点排列次序的不确定性,利用了多阶段盲源分离思想。利用该算法,对两路混合的实录水声信号进行盲分离,得到了两路源信号的估计信号,通过对估计信号的分析,利用信噪比提高率这一标准,验证了该算法的有效性。该算法收敛速度快,精度高,可用于浅海环境下实录水声混合信号的盲分离。

一种基于循环平稳特性的信道盲辨识方法

本文利用了一种新的调制频率和循环频率的分配方法,提出了一种基于循环平稳特性的新颖的多用户信道盲辨识方法。该方法运用调制引入循环平稳特性来区分每个用户的二阶循环统计量(CSOCS,Cyclic Second-Order Cyclic Statistics),能够识别不同用户的单个信道。仿真结果证明该算法是可行的。

盲信道辨识与均衡基于二阶统计量的递推算法

利用通信信号超采样后所具有的循环平稳性,给出了一种新的基于二阶统计量的算法来完成对非最小相位系统的辨识和估计,利用了一组特征矩阵所包含的信息来进行估计,使估计性能得到了提高.与基于二阶统计量的非递推盲均衡算法相比,这种方法给出求解所定义的代价函数的最优解的有效递推算法,可以逐个地得到所有特征矢量,最终得到解析解.该算法在低信噪比的环境下仍然可以有效地完成估计,克服了传统的盲均衡算法抗噪性能差的缺点,而且其运算复杂度仍然比较小.

基于CYCBD和参数自适应DMD的滚动轴承微弱故障诊断

在旋转机械故障诊断中,传感器采集到的滚动轴承振动信号容易受到多个激励源的耦合影响,特别是微弱故障特征往往淹没在背景噪声中,给故障诊断带来挑战。为了抑制无关激励源并增强故障特征,本文提出一种基于最大二阶循环平稳盲解卷积(CYCBD)和参数自适应动态模式分解(DMD)的滚动轴承微弱故障诊断方法。首先根据包络谐波乘积谱(EHPS)估计CYCBD算法的关键参数循环频率α,将原始信号经CYCBD处理使故障特征得到增强;然后将CYCBD处理后的信号通过参数自适应DMD进一步消除残余噪声,其中DMD的最优截断秩参数r通过遗传算法自适应确定;最后通过包络谱分析来提取故障特征频率及倍频。仿真和试验结果证明了本方法的有效性。

基于参数自适应的RSSD-CYCBD及在轴承外圈故障特征提取中的应用

针对滚动轴承工作环境复杂、故障特征信号易被高强度噪声掩盖的问题,提出了基于参数自适应的共振稀疏分解(RSSD)和最大二阶循环平稳盲解卷积(CYCBD)的滚动轴承故障诊断方法。首先,利用人工大猩猩部队优化算法(GTO),结合相关系数与相关峭度的融合指标,自适应选择RSSD分解参数,得到了仿真信号的最优低共振分量;然后,利用GTO结合包络熵,自适应选择CYCBD的循环频率和滤波器长度,对最优低共振分量进行了解卷积运算,从包络谱中获得了信号的故障特征频率;最后,利用美国凯斯西储大学试验台和MFS-MG机械故障综合模拟试验台数据,综合验证了该方法的有效性,并将试验结果与RSSD-MCKD方法的结果进行了对比。研究结果表明,该方法能够准确地得到仿真信号的故障频率为20 Hz、美国凯斯西储大学试验台近似故障频率为107.5 Hz、MFS-MG试验台近似故障频率为87.6 Hz。自适应RSSD-CYCBD方法能够有效地识别出故障特征频率及其倍频,实现滚动轴承故障诊断的目的。

基于自适应CYCBD和DARTS的滚动轴承故障诊断方法

针对强噪声导致滚动轴承振动信号故障特征不明显的问题,提出一种结合自适应最大2阶循环平稳盲解卷积(Maximum Second-order Cyclostationary Blind Deconvolution,CYCBD)与可微架构自搜索(Differentiable Architecture Search,DARTS)的故障诊断方法。首先将模糊熵作为鲸鱼优化算法的适应度函数进行CYCBD滤波器长度寻优,并以峭度-包络谱峰值为综合指标对循环频率进行步长寻优,从而实现自适应CYCBD降噪;然后引入DARTS算法实现滚动轴承故障识别模型的自构建;最后通过滚动轴承公开数据与实验数据验证多域强噪声环境下自适应CYCBD-DARTS故障诊断方法的有效性。

基于过采样盲均衡技术的研究

自从Tong,Xu和Kailath证明使用二阶统计量来辨识非最小相位系统的可行性后,在多路FIR信道的盲辨识领域出现了很多研究成果。它们大都使用了数字模型的代数结构和循环互相关或循环谱。对近期基于二阶统计量的盲均衡方法进行了系统总结。

一种简化的语音信号盲分离算法

近年来所提出的许多瞬时混合信号盲分离算法大都是基于高阶统计量(HOS：High Order Statistics)，这使得算法不易收敛且计算量较大。在本文中，我们证明了当源信号是非平稳信号(语音信号、音乐信号等)时，使用二阶统计量(SOS：Second Order Statistics)就足以成功地对混合信号进行盲分离，从而，大大简化了计算的复杂度。据此，我们提出一种基于二阶统计量的盲分离算法，并在试验中用此算法成功地分离了语音和音乐的混合信号。

基于连续交叉小波相干分析和自适应CYCBD的轴承故障诊断

最大二阶循环平稳指标盲解卷积(maximum second-order cyclostationarity blind deconvolution,CYCBD)能从强背景噪声信号中恢复周期脉冲,是轴承故障诊断的有效方法。故障特征频率是CYCBD的关键参数,由于滚动轴承存在制造误差、滚子滑移等现象,导致真实的故障特征频率与理论值存在偏差,降低了CYCBD的有效性。同时,故障轴承测试信号中含有大量噪声和谐波干扰,也降低了CYCBD的故障特征提取能力。对此,提出了一种基于连续交叉小波相干分析和自适应CYCBD的轴承故障诊断方法,首先,利用正常轴承、故障轴承测试信号的交叉小波相干分析获取轴承故障共振频带。其次,基于3种归一化的周期检测指标提出一种新的周期检测技术以获取真实的轴承故障特征频率。最后,基于轴承故障共振频带信号和真实轴承故障特征频率进行CYCBD滤波,并针对滤波信号进行Teager能量算子解调分析得到能量频谱,从而进行轴承故障诊断。仿真信号和高速列车牵引电机轴承试验信号的分析结果表明,该方法能够有效识别轴承故障特征,且优于传统的CYCBD方法。