多混叠振动信号的盲源分离及实验研究

摘要

盲源信号处理是一种基于人工神经网络的新的信号处理方法。盲信号分离不仅对信号处理的研究而且也对神经网络理论的发展起到积极的推动作用。盲源分离技术在应用于故障诊断方面还只是起步阶段。本文在对已有的线性盲源分离方法进行了研究，并在此基础上针对具有Jacobi优化的盲源分离算法进行了改进，使算法的计算效率得到了提高。同时本文还针对后非线性这种弱非线性的盲源分离进行了研究。通过研究MISEP非线性盲源分离算法，使非线性盲源分离具有更优的鲁棒性和更优良的分离精度。 为了验证所研究的盲源分离算法的有效性和适用性，将盲源分离算法应用于某型航空发动机机匣的多混叠振动信号的工程信号处理上。通过实验分析验证了盲源分离的有效性，为盲源分离的具体应用打下了基础，同时也为故障诊断提供了一个新的手段。 本文还采用了参数化的设计思想开发了盲源分离的软件包。同时课题期间还开发了静子叶片振动与疲劳分析平台软件，实现了整个叶片振动、疲劳特性分析的过程的“一键控制”。 本文所推导的盲源分离的理论公式以及对算法的改进，对后面的跟进研究者具有一定的参考价值。本文开发的盲源分离软件包为盲源分离的应用提供了有价值的工具。本文开发的静子叶片振动与疲劳分析平台软件，为静子叶片的振动、疲劳分析提供了更易操作的工具。