李志农，杨晓飞，陈长征

(1.南昌航空大学 无损检测教育部重点实验室，南昌 330063；2.沈阳工业大学 机械工程学院，沈阳 110870)

在机械设备故障监测中，盲源分离是一种有效的信号处理方法，在源信号和传递路径未知的情况下，仅对观测信号处理即可估计出源信号，因此，盲源分离思想在故障诊断领域中得到了广泛应用.Haile等[1]将BSS方法应用在旋转机翼的故障特征提取中；Elia等[2]将BSS方法与循环平稳方法结合起来对变速箱中轴承的磨损情况进行监测；Araujo等[3]将BSS方法与传递函数结合起来对振动系统的模态参数进行识别；周昊等[4]提出了一种基于粒子群优化算法的盲源分离方法，用于提取风机主轴承故障信号特征，取得了良好的诊断效果；席剑辉等[5]提出一种基于联合近似对角化和独立分量分析的盲源分离方法，实现对轴承故障声发射信号的分离.

但是在多数情况下，由于受到硬件成本和空间的限制，系统中只能安装一个传感器，传感器个数小于源信号个数，即为欠定盲源分离，因此，研究单通道复合故障的分离方法更具有广泛的现实意义.李志农等[6]结合小波分析和核典型相关分析(KCCA)各自的特点，提出一种基于小波-KCCA非线性欠定盲源分离方法；Wang等[7]提出了一种基于EEMD和ICA的欠定盲源分离方法，成功地对轴承故障信号进行分离.但是，EEMD会导致计算量的增加，同时也无法应用于嘈杂的工业环境.VMD[8]的出现为故障特征提取提供了新的机遇，VMD可以非递归地将多……