基于循环统计量的盲源分离方法研究及其在旋转机械故障特征提取中的应用

机械设备状态监测和故障诊断学科中的关键问题之一是故障特征提取技术，其直接关系到故障诊断的准确率和故障早期预报的可靠性。然而相对较强的背景噪声或其它振源干扰信号会严重影响故障特征的提取，因此利用盲源分离(BSS, Blind Source Separation)技术分离传感器测得的振源混合信号，以获得单一振源信号，势必会明显提高故障诊断的准确度。因此，盲源分离技术近几年在机械设备状态监测与故障诊断学科中的应用也逐渐表现出活跃的研究态势。但是根据盲源分离技术的假设条件，盲源分离算法用于振动信号源分离还存在源信号数目未知、传感器数目限制及源信号卷积混合等许多问题需要解决。基于循环平稳信号模型对于旋转机械振动信号的普遍适用性，利用一阶、二阶及高阶循环统计量理论可以有效设计新的盲源分离算法，同时改进后的算法对于设备状态监测和故障诊断学科又不失一般性，无疑是一个很有前景的研究方向。