张 翔，王红军,2,3，彭宝营,2

(1.北京信息科技大学 机电工程学院,北京 100192;2.高端装备智能感知与控制北京市国际科技合作基地,北京 100192;3.北京信息科技大学 现代测控技术教育部重点实验室,北京 100192)

0 引言

随着近年来现代技术的快速发展，对设备健康管理的要求也越来越高，但在燃气轮机转子系统领域，过程检测与故障诊断难度高一直是制约该行业快速发展的重要影响因素。转子系统在正常运行时，振动信号会包含多种成分，包括大量的零件摩擦、设备振动等噪声信号。当设备发生故障时，其振动信号的成分也会随之发生改变，而获取已经发生变化的振动信号中的故障成分相当困难。因此，如何在最短的时间内准确地分析识别出故障的主要成分成为备受关注的研究课题。

独立成分分析(independent component analysis，ICA)[1]是一种包含高阶统计特性的非线性相关的成分分析方法，该方法能分离出振动信号中的有效成分。He 等[2]提出在ICA分解原始数据之前利用字符串匹配的原理，实现提取信号主成分；Han等[3]采用PCA原理对图像进行二阶相关分析和像素降维处理，再通过ICA算法分解原始数据主要成分；Cui[4]等提出经验模态分解(EMD)算法与ICA联合的方法，通过EMD分解信号获取模态分量，再利用ICA提取主成分还原信号，但因为EMD存在模态混叠及端点效应等问题，最终结果不是很理想；NUCERA[5]等提出采用变分模态分解(VMD)算法与ICA相结合，成功提取故障信号的模态分量，但该方法过于依赖多参数设定，也未达到理想效果；……