基于MBLMS算法的内燃机振动信号盲源分离

应用Gray’s变量准则作为代价函数,研究了基于源信号非高斯性的多通道盲最小均方差算法。针对实际应用,生成3路卷积混合信号进行盲源分离,分离信号与源信号相比,除幅值缩放和时间延迟外,其他信息基本得到了保留。在实测内燃机振动信号分离中,所得到的3个分离信号经过分析后确认为排气门落座、活塞撞击和进气阀落座产生的信号。仿真信号和实测内燃机振动信号的分离结果表明,多通道盲最小均方差是一种有效的盲源分离算法。

基于盲解卷积的柴油机振动信号分离研究

基于振动信号分析的故障诊断方法依赖于机械状态特征的有效提取,盲源分离能够从复杂的信号中分离出源信号,是一种有效的特征提取手段。建立的多通道盲解卷积模型和机械系统的振动模型表明了两个模型的一致性,理论上证明了盲解卷积用于机械振动信号分离的可行性。利用MBLMS算法进行实测柴油机振动信号的分离实验,成功分离出了活塞撞击、燃烧和进气阀关闭信号,试验结果证明了盲解卷积能够有效分离柴油机振动信号。

内燃机振动信号的盲源分离方法试验研究

应用Gray’s变量准则作为代价函数研究了基于源信号非高斯性的多通道盲最小均方差算法。针对内燃机振动信号源分离的实际需要,首先生成3路模拟卷积混合信号进行盲源分离,分离信号与源信号相比,除幅值缩放和时间延迟外,其他信息基本得到了保留。以4135型柴油机为研究对象同时测得机体10路振动信号,每次选择3路信号进行盲源分离试验,3组试验得到不同的独立分量,经过分析确定这些独立分量分别为活塞撞击、排气阀关闭和进气阀关闭产生的信号。仿真信号和实测内燃机振动信号的分离结果表明多通道盲最小均方差是一种有效的盲源分离算法。