机械振动本底源信号半盲分离与重建方法的研究

本项目研究复杂机械系统振动本底源信号的分离与重建问题，提出一种基于改进的ICA（Independent Component Analysis）的本底源信号半盲（Semi-blind）分离与重建的新方法。借助对机械系统振动特性的快速交叉分析，研究本底振源的发生、分布、传播、混合机理以及机械结构振动传递特性，建立本底源信号模型。利用信号谱分析技术，提取隐藏于传感观测中的本底源信息。研究ICA非线性混叠与卷积混叠神经网络算法改进，提出机械系统本底源数目的自适应估方法，提高ICA算法可分离源的数目、源分离精度及算法的运算效率。合理利用先验信息，研究最优参照信息集合及盲源分离准则（参照函数）的建立方法，形成一种有效的半盲分离新方法，实现机械系统振动本底源信号的准确分离与重建。.项目的研究对于促进机械振动、噪声的识别与控制，机械故障诊断，机械产品动态性能的优化设计具有重要的理论意义和应用前景。