机械设备振动噪声故障特征声信号分析

摘要

机械故障噪声信号可反映机械的故障特征,因此对机械故障噪声信号中的故障信号进行提取、分析及处理至关重要。基于卷积混合模型对机械故障噪声进行去噪和分离可知,当机械故障的噪声情况较为复杂时,可采用改进小波-卡尔曼两步降噪算法对噪声信号进行降噪处理;当机械故障噪声较为简单时,传统阈值法的降噪效果较好。当噪声环境较为单一时,可采用经验指纹图像比较算法(Empirical Fingerprint Image Comparator Algorithm,EFICA)和盲解卷积算法(Efficient FastICA-Second Order Blind Identify,EFICA-SOBI)对机械噪声信号进行分离;当噪声环境较为复杂时,可采用二阶盲辨识(Second Order Blind Identification,SOBI)算法对机械噪声进行分离。