基于盲源分离的共振解调技术在齿轮齿面接触故障诊断中的应用

提出一种运用基于盲源分离的共振解调技术对齿轮齿面接触故障进行诊断的方法.该方法利用盲源分离算法对传感器采集的混合信号进行分离,获取纯粹的故障源信号;采用共振解调技术对分离后的故障源信号进行频谱分析,成功地提取了齿轮齿面直接接触的故障特征.     

基于联合近似对角化的盲源分离在齿轮箱故障诊断中的应用

提出一种采用盲源分离技术对齿轮箱混合故障进行诊断的方法．该方法利用白化信号自相关矩阵的联合近似对角化算法，从观测信号中分离故障特征源信号，并根据分离信号的频谱成功地提取了混合故障的特征信息，有效地诊断出齿轮箱所处的故障状态．     

最小均方盲反卷积法在机械设备振动分析中的应用

将多通道盲反卷积应用于机械设备振动信号的分析,分析了机械振动信号的多通道盲反卷积模型,采用最小均方盲反卷积算法从测量信号中分离振源信号,并进行实验论证.实验内容包括:提取滚动轴承故障源信号,斜齿轮故障源信号以及柴油机活塞-缸套撞击信号.     

机械振动源的联合块对角化盲分离算法

基于QR分解建立一种新的非正交联合块对角化（joint block diagonalization,JBD）（QRJBD算法）的振动源盲分离方法.该方法具有对目标矩阵的限制少、复杂度低、易于收敛到全局最优解等优点.结合双层加肋圆柱壳体结构的振动信号分离试验,从算法的收敛性、目标矩阵的数目、随机噪声水平、子块矩阵的维数等方面对QRJBD方法的性能进行了研究.由此,选取合理的算法参数,实现振动源信号的盲源分离,且分离精度和时间均优于现存常用的方法,充分说明新算法在振源分离中既保持了效率又提高了分析的准确性.     

基于二次特征函数高阶导数联合对角化的盲源分离算法

针对线性混叠信号,提出一种瞬时混叠盲源分离的批处理算法.利用观测信号的二次特征函数高阶导数联合对角化得到盲分离准则和实验公式.采用非正交对角化方法,不需要白化,实现盲源分离.仿真实验结果表明此算法不仅对非高斯信源具有良好的分离性能,而且对概率密度为非对称分布信源,具有很好的性能.     

非平稳信号自适应最大信噪比盲源分离方法

为了提高时变非平稳信号的盲源分离效果,提出了自适应最大信噪比盲源分离新方法.该方法以信噪比函数作为代价函数,并基于改进的多项式系数自回归模型,进行最优滑窗长度的自适应估计.仿真计算表明,FastICA算法需要预设源信号的概率密度函数,以选择适宜的非线性函数近似估计源信号的非高斯性,当假设的概率密度函数与实际不符时无法正确分离源信号;累积量算法在信源的峰度相同时无法正确分离源信号.新方法与经典的FastICA算法和基于累积量的盲源分离算法比较结果表明,对于经典的FastICA算法、累积量算法无法正确分离的时变非平稳信号,新方法能够有效地进行盲源分离,分离结果不受源信号的概率分布、信源的峰度等统计因素影响.      

基于盲分离的轮边减速器故障诊断

研究矿用汽车轮边减速器中太阳轮、行星轮和齿圈局部故障振动信号的频潜结构，对于轮边减速器故障诊断具有重要意义。文中模拟了太阳轮、行星轮和齿圈局部故障振动信号，利用盲分离算法将含噪声的混合信号分离，从信号分离结果来看，达到了预期效果，并应用频谱分析方法分别诊断出了太阳轮、行星轮和齿圈局部故障。为矿用汽车轮边减速器故障诊断提供了行之有效的方法。     

基于EEMD-JADE的单通道EP信号少次提取方法

生物医学工程中诊断神经系统损伤及病变的重要手段之一是检测与分析诱发电位(Evoked Potential,EP)信号.现有的方法可以在混合信号中分离出经过成多次刺激的EP信号,但丢失了其瞬时特性,因此EP信号的少次提取是当前生物医学信号研究中的一个重点问题.给出了一种基于EEMD-JADE单通道盲源分离算法,只利用2个周期的EP与EEG信号随机混合成的单通道观测信号中分离EP信号,仿真实验证明了EEMD-JADE算法的有效性.并与EEMD-PCA-ICA方法比较,结果表明EEMD-JADE算法从2个周期的单通道观测信号中分离EP信号时性能优于后者.     

基于EEMD-JADE的单通道EP信号少次提取方法

生物医学工程中诊断神经系统损伤及病变的重要手段之一是检测与分析诱发电位(Evoked Potential,EP)信号.现有的方法可以在混合信号中分离出经过成多次刺激的EP信号,但丢失了其瞬时特性,因此EP信号的少次提取是当前生物医学信号研究中的一个重点问题.给出了一种基于EEMD-JADE单通道盲源分离算法,只利用2个周期的EP与EEG信号随机混合成的单通道观测信号中分离EP信号,仿真实验证明了EEMD-JADE算法的有效性.并与EEMD-PCA-ICA方法比较,结果表明EEMD-JADE算法从2个周期的单通道观测信号中分离EP信号时性能优于后者.     

基于二次特征函数高阶导数联合对角化的盲源分离算法

针对线性混叠信号，提出一种瞬时混叠盲源分离的批处理算法，利用观测信号的二次特征函数高阶导数联合对角化得到盲分离准则和实验公式，采用非正交对角化方法，不需要白化，实现盲源分离，仿真实验结果表明此算法不仅对非高斯信源具有良好的分离性能，而且对概率密度为非对称分布信源，具有很好的性能。