單通道盲源分離在轉(zhuǎn)動(dòng)機(jī)械聲學(xué)故障診斷中的應(yīng)用研究

摘 要：盲源分離技術(shù)能夠幫助完成機(jī)械設(shè)備的故障診斷，其中，單通道盲源分離技術(shù)正是該領(lǐng)域研究的熱點(diǎn)。學(xué)者們?cè)谠擃I(lǐng)域以機(jī)械振動(dòng)信號(hào)作為研究對(duì)象應(yīng)用最為廣泛，在此基礎(chǔ)上，本文針對(duì)單通道的轉(zhuǎn)動(dòng)機(jī)械聲音信號(hào)盲源分離進(jìn)行討論，為機(jī)械聲學(xué)故障診斷的發(fā)展奠定基礎(chǔ)。

關(guān)鍵詞：轉(zhuǎn)動(dòng)機(jī)械聲信號(hào);盲源分離;單通道盲源分離;故障診斷

中圖分類(lèi)號(hào)：TB535

盲源分離（Blind Source Separation，BSS）技術(shù)通常是在源信號(hào)及傳輸系統(tǒng)特性未知或已知甚少的情況下，僅靠接收到的混合信號(hào)實(shí)現(xiàn)各個(gè)獨(dú)立源信號(hào)的恢復(fù)。[1]通常BSS模型中傳感器數(shù)量不小于源信號(hào)數(shù)量，當(dāng)傳感器數(shù)量為一個(gè)時(shí)定義為單通道盲源分離（Single Channel Blind Source Separation，SCBSS）。SCBSS其先驗(yàn)知識(shí)極少且系統(tǒng)不可逆，但它卻是BSS應(yīng)用于實(shí)際環(huán)境的良好體現(xiàn)，是極具挑戰(zhàn)與極具價(jià)值的研究。[2]

目前，學(xué)者結(jié)合BSS針對(duì)振動(dòng)信號(hào)在機(jī)械故障診斷方面做了相關(guān)研究。[3-4]由于噪聲信號(hào)是非接觸式采集，較振動(dòng)信號(hào)的采集更方便，因此，本文討論單通道盲源分離應(yīng)用于轉(zhuǎn)動(dòng)機(jī)械噪聲信號(hào)故障診斷的可行性。

1 單通道盲源分離模型

假設(shè)系統(tǒng)在t時(shí)刻有n個(gè)獨(dú)立源信號(hào)描述為S（t）=s1t，s2（t），...，sn（t）T，該n個(gè)源信號(hào)由一個(gè)傳感器所接收，表示為X（t），則SCBSS數(shù)學(xué)模型可描述為：

2 單通道盲源分離算法

學(xué)者們對(duì)機(jī)械信號(hào)SCBSS的研究主要從以下幾個(gè)方面著手解決：

（1）基于變換域?yàn)V波分離法。對(duì)于在時(shí)頻域重疊且通過(guò)時(shí)頻域?yàn)V波方法不能有效分離的信號(hào)時(shí)，可以通過(guò)可逆變換將觀測(cè)信號(hào)投射到某一域（如廣義譜域、循環(huán)譜域等）上，然后在該域上根據(jù)各個(gè)源信號(hào)的差異性構(gòu)造適合的濾波器進(jìn)行信號(hào)分離的方法。

（2）基于通道升維分離法。該方法將單觀測(cè)通道通過(guò)一定方法虛擬成多觀測(cè)通，模擬傳統(tǒng)BSS模型。具有代表性的研究有基于單通道延時(shí)處理的空時(shí)法、將經(jīng)驗(yàn)?zāi)B(tài)分解與獨(dú)立分量分析相結(jié)合的基于時(shí)頻域分解升維法以及對(duì)單通道觀測(cè)信號(hào)通過(guò)間隔過(guò)采樣實(shí)現(xiàn)通道升維。[5]

（3）稀疏分解方法。對(duì)觀測(cè)的信號(hào)進(jìn)行稀疏分解，使其采樣值的分布規(guī)律在某一變換域內(nèi)表現(xiàn)為絕大多是為零，則可以利用信號(hào)的稀疏性分離出原始信號(hào)。文獻(xiàn)[6]利用該方法實(shí)現(xiàn)轉(zhuǎn)動(dòng)軸承振動(dòng)信號(hào)單通道盲分離。

綜上所述，基于通道升維分離法對(duì)于源信號(hào)的先驗(yàn)知識(shí)要求低，已有研究中該算法復(fù)雜度較低、收斂速度較快，在SCBSS中廣泛應(yīng)用。

3 盲源分離在轉(zhuǎn)動(dòng)機(jī)械聲學(xué)故障診斷中的應(yīng)用分析

有學(xué)者結(jié)合經(jīng)驗(yàn)?zāi)B(tài)分解算法與經(jīng)典BSS算法實(shí)現(xiàn)轉(zhuǎn)動(dòng)機(jī)械振動(dòng)信號(hào)的單通道盲源分離，從而進(jìn)一步實(shí)現(xiàn)機(jī)械故障診斷。[7]還有學(xué)者探討了電動(dòng)機(jī)和揚(yáng)聲器的混合聲信號(hào)盲源分離問(wèn)題，并做現(xiàn)場(chǎng)實(shí)驗(yàn)證明論文中所提方法可行。[8-9]文獻(xiàn)[10]提出基于魯棒預(yù)白化的二階盲辨識(shí)算法（RSOBI），并對(duì)兩臺(tái)三相異步電動(dòng)機(jī)噪聲信號(hào)進(jìn)行試驗(yàn)，成功分離了故障聲信號(hào)與正常聲信號(hào)。文獻(xiàn)[11]提出一種“小波消噪-BSS-小波消噪”方法用于兩臺(tái)小型電動(dòng)機(jī)的聲音信號(hào)盲源分離研究，對(duì)于進(jìn)一步分析故障具有實(shí)際價(jià)值。文獻(xiàn)[12]利用FastICA和SOBI算法試驗(yàn)半消聲室內(nèi)的一臺(tái)小型鉆機(jī)和一臺(tái)風(fēng)扇的混合噪聲盲源分離，實(shí)驗(yàn)分離效果較好。畢鳳榮等人研究了裝載機(jī)司機(jī)室內(nèi)噪聲信號(hào)的分離與識(shí)別技術(shù)。[13]

總體來(lái)看，以往研究多是基于盲源分離的振動(dòng)環(huán)境噪聲分離，該研究在轉(zhuǎn)動(dòng)機(jī)械聲學(xué)故障診斷中具有重要意義。然而針對(duì)單通道的轉(zhuǎn)動(dòng)機(jī)械聲信號(hào)分離學(xué)者們鮮有探究，又由于實(shí)際工程中的需要，因此，研究SCBSS可以為轉(zhuǎn)動(dòng)機(jī)械聲學(xué)故障診斷做鋪墊。

4 結(jié)語(yǔ)

本文簡(jiǎn)述了單通道盲源分離的模型及轉(zhuǎn)動(dòng)機(jī)械信號(hào)中的單通道盲源分離算法，分析了盲源分離在轉(zhuǎn)動(dòng)機(jī)械聲學(xué)故障診斷中的應(yīng)用，從而得出單通道盲源分離在該領(lǐng)域應(yīng)用的可行性與重要的實(shí)際價(jià)值。

參考文獻(xiàn)：

[1]李振璧，王康，姜媛媛.盲源分離技術(shù)研究與方法綜述[J].科學(xué)技術(shù)與工程，2017，17（14）：141-147.

[2]郭一娜.單通道線(xiàn)性混合信號(hào)盲源分離算法研究[M].北京：電子工業(yè)出版社，2016：3-120.

[3]Tang G，Luo G，Zhang W，et al.Underdetermined Blind Source Separation with Variational Mode Decomposition for Compound Roller Bearing Fault Signals[J].Sensors，2016，16（6）：1-17.

[4]梁霖，栗茂林，李利邦，等.基于非負(fù)矩陣分解的單通道故障特征分離方法[J].振動(dòng)、測(cè)試與診斷，2016，36（5）：835-840.

[5]劉佳，楊士莪，樸勝春，等.多途環(huán)境下的單通道水聲信號(hào)盲源分離[J].振動(dòng)與沖擊，2012，31（6）：15-18.

[6]朱會(huì)杰，王新晴，芮挺，等.基于移不變稀疏編碼的單通道機(jī)械信號(hào)盲源分離[J].振動(dòng)工程學(xué)報(bào)，2015（4）：625-632.

[7]孟宗，蔡龍.基于EEMD子帶提取相關(guān)機(jī)械振動(dòng)信號(hào)單通道盲源分離[J].振動(dòng)與沖擊，2014，33（20）：40-46.

[8]顧晅.基于盲源分離技術(shù)的聲學(xué)信號(hào)處理以及診斷初探[D].上海：上海交通大學(xué)學(xué)位論文，2002.

[9]鐘振茂.基于盲源分離的聲學(xué)故障特征提取方法研究[D].上海：上海交通大學(xué)學(xué)位論文，2005.

[10]李加文，李從心.基于魯棒預(yù)白化的機(jī)械噪聲信號(hào)盲分離[J].機(jī)械科學(xué)與技術(shù)，2005，24（12）：1499-1501.

[11]李志農(nóng)，郝偉，韓捷，等.噪聲環(huán)境下機(jī)械故障源的盲分離[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2006，37（11）：110-113.

[12]王宇.盲源分離在機(jī)械設(shè)備聲學(xué)信號(hào)特征提取中的應(yīng)用[D].昆明：昆明理工大學(xué)學(xué)位論文，2007.

[13]畢鳳榮，陸地，邵康，等.基于EEMD-ICA-CWT的裝載機(jī)室內(nèi)噪聲盲源分離和識(shí)別[J].天津大學(xué)學(xué)報(bào)（自然科學(xué)與工程技術(shù)版），2015，48（9）：804-810.

作者簡(jiǎn)介：張榮彬（1992-），男，碩士研究生，主要研究方向：盲源信號(hào)處理、故障診斷。