一种欠定盲分离中的机械振源数估计方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106769010A(43)申请公布日2017.05.31(21)申请号201611144902.8(22)申请日2016.12.13(71)申请人南昌航空大学地址330031江西省南昌市丰和南大道696号(72)发明人李志农杨诚袁瑾章熙琴(74)专利代理机构南昌市平凡知识产权代理事务所36122代理人张文杰(51)Int.Cl.G01M13/02(2006.01)G01R31/34(2006.01)权利要求书1页说明书8页附图8页(54)发明名称一种欠定盲分离中的机械振源数估计方法(57)摘要一种欠定盲分离中机械振源数估计方法，是利用二阶非平稳源分离，将中心化传感器数据分成不重叠的数据块，计算各数据块的单一时延协方差矩阵并叠加成三阶张量，即平行因子模型；然后利用核一致诊断算法估计平行因子模型的最佳组分数，从而得到机械系统的振源数。与现有的机械振源数估计方法相比较，提出的方法能够有效地解决欠定盲源分离下的振源数估计问题，在多故障复合诊断中具有广阔的应用前景。CN106769010ACN106769010A权利要求书1/1页1.欠定盲分离中机械振源数估计方法，其特征在于，其具体步骤如下：1)对N个观测信号x(t)进行中心化处理后，得到2)将预处理后的观测数据分成L个非重叠的块，每块的时间窗Tl，并估计观测信号N×N各段数据块的时滞协方差矩阵Rx∈C；3)将L块数据段的时滞协方差矩阵组叠加成三阶张量R∈CN×N×L；4)采用平行因子模型的三线性交替最小二乘算法对3阶张量进行低秩分解；5)通过核一致诊断算法，估计出最佳因子数M，即振动源数为M。2CN106769010A说明书1/8页一种欠定盲分离中的机械振源数估计方法技术领域[0001]本发明涉及机械设备多故障复合诊断技术，特别涉及一种欠定盲分离中的机械振源数估计方法。背景技术[0002]多故障复合诊断是机械故障诊断中的一个难点，复合故障与其中单个故障虽然有所关系，但振动的各种表现是不一样的，复合故障并不是单个故障简单的叠加，故障之间是互相影响的，从而产生更丰富的振动形态。在工程实际中，若能把各种故障信号分离出来，则可以根据各种故障的振动特点很容易诊断。20世纪90年代兴起的盲源分离技术为机械的多故障并发的诊断提供了一种新的思路。盲源分离的基本含义是指未知源信号的概率分布和系统的传递函数的情况下，用一组传感器测得的混合信号中分离出独立源信号的一种技术。[0003]然而，传统的多振源分离方法都不具备对未知信号源个数进行估计的能力，只能在假定械源数事先已知的情况下才能进行计算，否则无法进行盲源分离。然而，在实际中，械源信号的个数是未知的，甚至在机器运行过程中还可能是动态变化的，这就给机械故障分离带来了很大的困难，大大限制了盲源分离方法在机械振源分离中的应用。[0004]目前，虽然人们能见到一些源信号数的估计方法，例如，文献[1,2]提出了一种基于奇异值分解的聚类分析NIS估计新方法，该方法可以给出一个机械系统中不相关源数的上界估计,从而合理配置信号检测传感器的数量，获得具有足够维数的观测信号，保证ICA方法在旋转机械源分离中的顺利实施。但是该方法的缺陷在于它只能估计出混合信号中不相关源数的上限，并不能给出其中振源的准确数目。文献[3]利用信息论准则如Aikaike信息准则(AikaikeInformationCriterion，AIC)、最小描述长度(MinimumdescriptionLength，MDL)进行信源估计，该算法较为简便。文献[4]提出了基于独立分量分析与聚类分析的信源数估计算法，能够准确估计振源数；文献[5]提出了利用Gerschgorin圆盘定理判断信源个数，该算法能够用于有色噪声环境中；文献[6,7]提出了一种基于贝叶斯推论的机械源数估计方法。然而以上算法只适用于超定或额定混合条件下，即观测信号数大于或等于源信号数的情况。而对于观测信号数小于源信号数的情况下的源数估计问题并没有考虑。[0005]近年来，平行因子(ParallelFactor，PARAFAC)因其在宽松约束条件下模型分解具有唯一性而备受关注，众多专家学者对PARAFAC模型分解唯一性进行了研究，现已广泛应用于环境与资源利用[8]、化学计量[9]、通信与信号处理[10]等领域中。其中值得关注的是在化学计量领域中，学者们利用平行因子分析对未知干扰系统进行组分定量分析时，一般需要利用核一致诊断法先对系统组分数进行预估并得到最佳组分数，从而使得PARAFAC模型分解得到有物理意义的解。发明内容3CN106769010A说明书2/8页[0006]基于上述背景技术，本发明提出一种基于平行因子分析和核一致诊断的欠定盲源数估计方法。利用二