基于盲源分离算法的风机轴承故障特征提取分析
来源:用户上传
作者:
摘 要：本文针对盲源分离算法发展的客观趋势，从风机轴承的故障特征出发，通过采用参考文献的分析法、对比法，介绍了风机轴承的故障特征，分析了盲源分离的基本理论，研究了基于小波包络解调—盲源分离算法的风机轴承的故障特征提取过程，希望给风机轴承故障特征提取人员的工作提供有效的参考。本文首先从滚动轴承的基本结构、滚动轴承的故障特征频率两个方面入手，介绍了风机轴承的故障特征，其次，从盲源分离的数学模型、盲源分离的算法评价标准特征两个方面入手，分析了盲源分离的基本理论，最后，从利用小波包络解调去噪处理、小波包络解调-—盲源分离算法的风机轴承的故障特征提取两个方面入手，研究了基于小波包络解调—盲源分离算法的风机轴承的故障特征提取过程。希望通过这次研究，为风机轴承故障特征提取工作的顺利开展，发挥出至关重要的参考价值。
关键词：盲源分离算法;风机轴承;故障特征;提取
DOI：10.16640/j.cnki.37-1222/t.2019.20.131
最近几年，随着我国对风机轴承故障特征提取工作的不断重视，对风机轴承故障特征提取工作提出了更高的要求，因此，关于“基于盲源分离算法下的风机轴承故障特征提取分析”这一话题成为了社会关注的焦点。为了推动风机轴承故障特征提取技术的快速发展，我们一方面要重视对风机轴承的故障特征的了解和认识，另一方面要重视对盲源分离的基本理论的理解，除此之外，还要重视基于小波包络解调—盲源分离算法的风机轴承的故障特征提取，为风机轴承故障特征提取技术的发展做出更大的贡献。
1 风机轴承的故障特征
为了提高风机轴承故障特征提取分析的质量和效率，首先对风机轴承的故障特征要有一定的认识和理解，接下来从滚动轴承的基本结构、滚动轴承的故障特征频率两个方面入手，对风机轴承的故障特征进行详细介绍。
（1）滚动轴承的基本结构。众所周知，滚动轴承的基本结构主要包含以下几个组成部分，第一组成部分是滚动轴承的内圈，第二组成部分是滚动轴承的外圈，第三组成部分是滚动轴承的滚动体，第四组成部分是滚动轴承的保持架。通常情况下，滚动轴承的外圈是静止不动的，滚动轴承的内圈一直处于不停的旋转状态，而滚动轴承的保持架用于对滚动轴承的滚动体的运动状态进行有效的控制，以提高滚动轴承的工作性能，从而保证了滚动轴承正常、安全、稳定的运行。
（2）滚动轴承的故障特征频率。为了更加准确的描绘滚动轴承的故障特征频率，根据滚动轴承的结构参数，再结合滚动轴承的转速，可以得到滚动轴承的故障特征频率与滚动轴承的转速成关系，当滚动轴承的故障特征频率变大，滚动轴承的转速降低，反之，当滚动轴承的故障特征频率降低，滚动轴承的转速变大。
2 盲源分离的基本理论
通常情况下，盲源分离的基本理论主要包含以下两个方面，分别是盲源分离的数学模型、盲源分离的算法评价标准特征，为了对盲源分离的基本理论有深刻的认识和理解，接下来对盲源分离的基本理论进行详细的介绍。
（1）盲源分离的数学模型。盲源分离的第一个基本理论是盲源分离的数学模型。盲源分离的数学模型，顾名思义，是指利用源信号的传输通道的特性，将观察的信号数据运用数学模型的方式进行抽象[1]，然后将抽象出来的信号数据通过借用傳感器设备进行输出，最终将输出的信号进行分离，以达到盲源分离的目的。
（2）盲源分离算法评价标准的特征。盲源分离的第二个基本理论是盲源分离的算法评价标准特征。通常情况下，盲源分离的算法评价标准特征主要是简单易操作的特征，方便研究者借用盲源分离的算法评价标准检验算法的高效性与准确性。
3 基于小波包络解调—盲源分离算法的风机轴承的故障特征提取
针对盲源分离算法的应用特点，为了将风机轴承故障特征提取过程直观形象的展示出来，接下来通过介绍关于“基于小波包络解调—盲源分离算法的风机轴承故障特征提取”的典型例子，加深对风机轴承故障特征提取过程的深刻体会。
（1）利用小波包络解调去噪处理。通常情况下，基于小波包络解调—盲源分离算法的风机轴承的故障特征提取的第一个步骤是利用小波包络解调去噪处理。众所周知，利用小波包络解调可以充分发挥出去噪处理的优势，从而最大限度的提高信噪比[2]，小波包络解调在进行去噪处理的过程中，首先选择合适的小波函数，从而确定小波函数对信号的分解过程，其次，利用小波函数对小波包络进行一系列的重构操作，最终得到消除噪音后的信号[3]，最后，利用消除噪音后的信号，对小波包络进行解调，从而最大限度的降低信号的噪音，对接下来利用盲源提取更准确的故障特征发挥出至关重要的意义。总而言之，通过利用小波包络解调进行去噪处理[4]，有利于为后期关于基于小波包络解调—盲源分离算法的风机轴承的故障特征提取工作的顺利开展起到了至关重要的作用[5]。
（2）小波包络解调-—盲源分离算法的风机轴承的故障特征提取。针对盲源分离算法的特征，实现小波包络解调-—盲源分离算法的风机轴承的故障特征提取。
4 结束语
综上所述，随着我国对风机轴承故障特征提取工作的不断重视，基于小波包络解调—盲源分离算法的风机轴承的故障特征提取已经取得了圆满的成功，同时，对加深对风机轴承的故障特征的理解产生了积极的推动作用，除此之外，对加强盲源分离的基本理论的应用也发挥出了重要的意义，为了推动风机轴承故障特征提取技术的快速发展，越来越多的技术人员积极投入于“基于盲源分离算法下的风机轴承故障特征提取分析”的研究中，不断提升自身的专业素养，为风机轴承故障特征提取技术的未来的发展奠定了一定的理论基础。
参考文献：
[1]邵玲.基于盲源分离的风机轴承的故障特征提取方法研究[D].2015.
[2]赵洪山，李浪，王颖.一种基于盲源分离和流形学习的风电机组轴承故障特征提取方法[J].太阳能学报，2016，37（02）：269-275.
[3]管丽莎.基于时间序列和盲源分离的矿井风机故障诊断方法研究[D].
[4]高鹏.基于单通道盲源分离理论的故障特征提取技术[D].2015.
[5]刘军委.基于盲源分离的滚动轴承复合故障诊断方法研究[D].2016.
作者简介：张荣彬（1992-），男，山东德州人，硕士研究生，研究方向：盲源分离、故障诊断。
转载注明来源:https://www.xzbu.com/1/view-14931427.htm
