張榮彬

摘 要：本文針對盲源分離算法發(fā)展的客觀趨勢，從風(fēng)機(jī)軸承的故障特征出發(fā)，通過采用參考文獻(xiàn)的分析法、對比法，介紹了風(fēng)機(jī)軸承的故障特征，分析了盲源分離的基本理論，研究了基于小波包絡(luò)解調(diào)—盲源分離算法的風(fēng)機(jī)軸承的故障特征提取過程，希望給風(fēng)機(jī)軸承故障特征提取人員的工作提供有效的參考。本文首先從滾動軸承的基本結(jié)構(gòu)、滾動軸承的故障特征頻率兩個方面入手，介紹了風(fēng)機(jī)軸承的故障特征，其次，從盲源分離的數(shù)學(xué)模型、盲源分離的算法評價標(biāo)準(zhǔn)特征兩個方面入手，分析了盲源分離的基本理論，最后，從利用小波包絡(luò)解調(diào)去噪處理、小波包絡(luò)解調(diào)-—盲源分離算法的風(fēng)機(jī)軸承的故障特征提取兩個方面入手，研究了基于小波包絡(luò)解調(diào)—盲源分離算法的風(fēng)機(jī)軸承的故障特征提取過程。希望通過這次研究，為風(fēng)機(jī)軸承故障特征提取工作的順利開展，發(fā)揮出至關(guān)重要的參考價值。

關(guān)鍵詞：盲源分離算法;風(fēng)機(jī)軸承;故障特征;提取

DOI：10.16640/j.cnki.37-1222/t.2019.20.131

最近幾年，隨著我國對風(fēng)機(jī)軸承故障特征提取工作的不斷重視，對風(fēng)機(jī)軸承故障特征提取工作提出了更高的要求，因此，關(guān)于“基于盲源分離算法下的風(fēng)機(jī)軸承故障特征提取分析”這一話題成為了社會關(guān)注的焦點(diǎn)。為了推動風(fēng)機(jī)軸承故障特征提取技術(shù)的快速發(fā)展，我們一方面要重視對風(fēng)機(jī)軸承的故障特征的了解和認(rèn)識，另一方面要重視對盲源分離的基本理論的理解，除此之外，還要重視基于小波包絡(luò)解調(diào)—盲源分離算法的風(fēng)機(jī)軸承的故障特征提取，為風(fēng)機(jī)軸承故障特征提取技術(shù)的發(fā)展做出更大的貢獻(xiàn)。

1 風(fēng)機(jī)軸承的故障特征

為了提高風(fēng)機(jī)軸承故障特征提取分析的質(zhì)量和效率，首先對風(fēng)機(jī)軸承的故障特征要有一定的認(rèn)識和理解，接下來從滾動軸承的基本結(jié)構(gòu)、滾動軸承的故障特征頻率兩個方面入手，對風(fēng)機(jī)軸承的故障特征進(jìn)行詳細(xì)介紹。

（1）滾動軸承的基本結(jié)構(gòu)。眾所周知，滾動軸承的基本結(jié)構(gòu)主要包含以下幾個組成部分，第一組成部分是滾動軸承的內(nèi)圈，第二組成部分是滾動軸承的外圈，第三組成部分是滾動軸承的滾動體，第四組成部分是滾動軸承的保持架。通常情況下，滾動軸承的外圈是靜止不動的，滾動軸承的內(nèi)圈一直處于不停的旋轉(zhuǎn)狀態(tài)，而滾動軸承的保持架用于對滾動軸承的滾動體的運(yùn)動狀態(tài)進(jìn)行有效的控制，以提高滾動軸承的工作性能，從而保證了滾動軸承正常、安全、穩(wěn)定的運(yùn)行。

（2）滾動軸承的故障特征頻率。為了更加準(zhǔn)確的描繪滾動軸承的故障特征頻率，根據(jù)滾動軸承的結(jié)構(gòu)參數(shù)，再結(jié)合滾動軸承的轉(zhuǎn)速，可以得到滾動軸承的故障特征頻率與滾動軸承的轉(zhuǎn)速成關(guān)系，當(dāng)滾動軸承的故障特征頻率變大，滾動軸承的轉(zhuǎn)速降低，反之，當(dāng)滾動軸承的故障特征頻率降低，滾動軸承的轉(zhuǎn)速變大。

2 盲源分離的基本理論

通常情況下，盲源分離的基本理論主要包含以下兩個方面，分別是盲源分離的數(shù)學(xué)模型、盲源分離的算法評價標(biāo)準(zhǔn)特征，為了對盲源分離的基本理論有深刻的認(rèn)識和理解，接下來對盲源分離的基本理論進(jìn)行詳細(xì)的介紹。

（1）盲源分離的數(shù)學(xué)模型。盲源分離的第一個基本理論是盲源分離的數(shù)學(xué)模型。盲源分離的數(shù)學(xué)模型，顧名思義，是指利用源信號的傳輸通道的特性，將觀察的信號數(shù)據(jù)運(yùn)用數(shù)學(xué)模型的方式進(jìn)行抽象[1]，然后將抽象出來的信號數(shù)據(jù)通過借用傳感器設(shè)備進(jìn)行輸出，最終將輸出的信號進(jìn)行分離，以達(dá)到盲源分離的目的。

（2）盲源分離算法評價標(biāo)準(zhǔn)的特征。盲源分離的第二個基本理論是盲源分離的算法評價標(biāo)準(zhǔn)特征。通常情況下，盲源分離的算法評價標(biāo)準(zhǔn)特征主要是簡單易操作的特征，方便研究者借用盲源分離的算法評價標(biāo)準(zhǔn)檢驗(yàn)算法的高效性與準(zhǔn)確性。

3 基于小波包絡(luò)解調(diào)—盲源分離算法的風(fēng)機(jī)軸承的故障特征提取

針對盲源分離算法的應(yīng)用特點(diǎn)，為了將風(fēng)機(jī)軸承故障特征提取過程直觀形象的展示出來，接下來通過介紹關(guān)于“基于小波包絡(luò)解調(diào)—盲源分離算法的風(fēng)機(jī)軸承故障特征提取”的典型例子，加深對風(fēng)機(jī)軸承故障特征提取過程的深刻體會。

（1）利用小波包絡(luò)解調(diào)去噪處理。通常情況下，基于小波包絡(luò)解調(diào)—盲源分離算法的風(fēng)機(jī)軸承的故障特征提取的第一個步驟是利用小波包絡(luò)解調(diào)去噪處理。眾所周知，利用小波包絡(luò)解調(diào)可以充分發(fā)揮出去噪處理的優(yōu)勢，從而最大限度的提高信噪比[2]，小波包絡(luò)解調(diào)在進(jìn)行去噪處理的過程中，首先選擇合適的小波函數(shù)，從而確定小波函數(shù)對信號的分解過程，其次，利用小波函數(shù)對小波包絡(luò)進(jìn)行一系列的重構(gòu)操作，最終得到消除噪音后的信號[3]，最后，利用消除噪音后的信號，對小波包絡(luò)進(jìn)行解調(diào)，從而最大限度的降低信號的噪音，對接下來利用盲源提取更準(zhǔn)確的故障特征發(fā)揮出至關(guān)重要的意義?？偠灾?，通過利用小波包絡(luò)解調(diào)進(jìn)行去噪處理[4]，有利于為后期關(guān)于基于小波包絡(luò)解調(diào)—盲源分離算法的風(fēng)機(jī)軸承的故障特征提取工作的順利開展起到了至關(guān)重要的作用[5]。

（2）小波包絡(luò)解調(diào)-—盲源分離算法的風(fēng)機(jī)軸承的故障特征提取。針對盲源分離算法的特征，實(shí)現(xiàn)小波包絡(luò)解調(diào)-—盲源分離算法的風(fēng)機(jī)軸承的故障特征提取。

4 結(jié)束語

綜上所述，隨著我國對風(fēng)機(jī)軸承故障特征提取工作的不斷重視，基于小波包絡(luò)解調(diào)—盲源分離算法的風(fēng)機(jī)軸承的故障特征提取已經(jīng)取得了圓滿的成功，同時，對加深對風(fēng)機(jī)軸承的故障特征的理解產(chǎn)生了積極的推動作用，除此之外，對加強(qiáng)盲源分離的基本理論的應(yīng)用也發(fā)揮出了重要的意義，為了推動風(fēng)機(jī)軸承故障特征提取技術(shù)的快速發(fā)展，越來越多的技術(shù)人員積極投入于“基于盲源分離算法下的風(fēng)機(jī)軸承故障特征提取分析”的研究中，不斷提升自身的專業(yè)素養(yǎng)，為風(fēng)機(jī)軸承故障特征提取技術(shù)的未來的發(fā)展奠定了一定的理論基礎(chǔ)。

參考文獻(xiàn)：

[1]邵玲.基于盲源分離的風(fēng)機(jī)軸承的故障特征提取方法研究[D].2015.

[2]趙洪山，李浪，王穎.一種基于盲源分離和流形學(xué)習(xí)的風(fēng)電機(jī)組軸承故障特征提取方法[J].太陽能學(xué)報(bào)，2016，37（02）：269-275.

[3]管麗莎.基于時間序列和盲源分離的礦井風(fēng)機(jī)故障診斷方法研究[D].

[4]高鵬.基于單通道盲源分離理論的故障特征提取技術(shù)[D].2015.

[5]劉軍委.基于盲源分離的滾動軸承復(fù)合故障診斷方法研究[D].2016.

作者簡介：張榮彬（1992-），男，山東德州人，碩士研究生，研究方向：盲源分離、故障診斷。