刘 畅,金 京,王衍学*

(1.北京建筑大学 机电与车辆工程学院,北京 100044;2.北京建筑大学 城市轨道交通服役性能保障北京市重点实验室,北京 100044)

0 引 言

滚动轴承是旋转机械中的重要传动部件,其健康状态对旋转机械的正常运转起着重要作用,因此,对轴承故障诊断方法进行研究具有十分重要的应用价值。

轴承的故障信号往往是非线性、非平稳的信号,对这类信号的研究一直是信号处理的热点,但大部分的研究都指向轴承单点故障的诊断,对于非线性耦合较为复杂的复合故障信号研究相对较少。如何进行滚动轴承复合故障的有效分离，对其实际的工程应用具有更重要的意义,但常规的信号处理方法却难以提取滚动轴承的复合故障特征。

降噪源分离(DSS)是指在未知复合源信号组成的条件下,根据信号的相关特征,利用针对性的降噪函数,将观测信号逐次迭代地分解成若干组成分量信号[1]。降噪源分离是一种半盲源分离方法,与一般的盲源分离方法相比,降噪源分离算法的优势在于信号分离框架的泛化性和针对性,能针对不同的观测信号构筑出较优的源分离算法,选取合适的降噪函数,从而在混合信号中提取出令研究人员感兴趣的独立分量[2]。

在国内,HE Q等[4]研究了基于最大后验估计的DSS方法,并将其应用于齿轮箱的故障诊断,但分离矩阵会直接影响DSS方法的分离结果,因而该方法不具有自适应性。陈晓理等[5]提出了基于改进样板去噪源分离的诊断方法,并将其应用于轴承的复合故障诊断,通过对仿真和实验数据进行分析,验证了该方法能够有效地提取轴承的复合故障特征信息,但其分离效果依赖于样板的选择。……