基于盲源分離算法的風機軸承故障特征提取分析

張榮彬

摘 要：本文針對盲源分離算法發展的客觀趨勢，從風機軸承的故障特征出發，通過采用參考文獻的分析法、對比法，介紹了風機軸承的故障特征，分析了盲源分離的基本理論，研究了基于小波包絡解調—盲源分離算法的風機軸承的故障特征提取過程，希望給風機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構、滾動軸承的故障特征頻率兩個方面入手，介紹了風機軸承的故障特征，其次，從盲源分離的數學模型、盲源分離的算法評價標準特征兩個方面入手，分析了盲源分離的基本理論，最后，從利用小波包絡解調去噪處理、小波包絡解調-—盲源分離算法的風機軸承的故障特征提取兩個方面入手，研究了基于小波包絡解調—盲源分離算法的風機軸承的故障特征提取過程。希望通過這次研究，為風機軸承故障特征提取工作的順利開展，發揮出至關重要的參考價值。

關鍵詞：盲源分離算法;風機軸承;故障特征;提取

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

最近幾年，隨著我國對風機軸承故障特征提取工作的不斷重視，對風機軸承故障特征提取工作提出了更高的要求，因此，關于“基于盲源分離算法下的風機軸承故障特征提取分析”這一話題成為了社會關注的焦點。為了推動風機軸承故障特征提取技術的快速發展，我們一方面要重視對風機軸承的故障特征的了解和認識，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解調—盲源分離算法的風機軸承的故障特征提取，為風機軸承故障特征提取技術的發展做出更大的貢獻。

1 風機軸承的故障特征

為了提高風機軸承故障特征提取分析的質量和效率，首先對風機軸承的故障特征要有一定的認識和理解，接下來從滾動軸承的基本結構、滾動軸承的故障特征頻率兩個方面入手，對風機軸承的故障特征進行詳細介紹。

（1）滾動軸承的基本結構。眾所周知，滾動軸承的基本結構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，滾動軸承的內圈一直處于不停的旋轉狀態，而滾動軸承的保持架用于對滾動軸承的滾動體的運動狀態進行有效的控制，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、穩定的運行。

（2）滾動軸承的故障特征頻率。為了更加準確的描繪滾動軸承的故障特征頻率，根據滾動軸承的結構參數，再結合滾動軸承的轉速，可以得到滾動軸承的故障特征頻率與滾動軸承的轉速成關系，當滾動軸承的故障特征頻率變大，滾動軸承的轉速降低，反之，當滾動軸承的故障特征頻率降低，滾動軸承的轉速變大。

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學模型、盲源分離的算法評價標準特征，為了對盲源分離的基本理論有深刻的認識和理解，接下來對盲源分離的基本理論進行詳細的介紹。

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

（2）盲源分離算法評價標準的特征。盲源分離的第二個基本理論是盲源分離的算法評價標準特征。通常情況下，盲源分離的算法評價標準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準檢驗算法的高效性與準確性。

3 基于小波包絡解調—盲源分離算法的風機軸承的故障特征提取

針對盲源分離算法的應用特點，為了將風機軸承故障特征提取過程直觀形象的展示出來，接下來通過介紹關于“基于小波包絡解調—盲源分離算法的風機軸承故障特征提取”的典型例子，加深對風機軸承故障特征提取過程的深刻體會。

（1）利用小波包絡解調去噪處理。通常情況下，基于小波包絡解調—盲源分離算法的風機軸承的故障特征提取的第一個步驟是利用小波包絡解調去噪處理。眾所周知，利用小波包絡解調可以充分發揮出去噪處理的優勢，從而最大限度的提高信噪比[2]，小波包絡解調在進行去噪處理的過程中，首先選擇合適的小波函數，從而確定小波函數對信號的分解過程，其次，利用小波函數對小波包絡進行一系列的重構操作，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，對小波包絡進行解調，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確的故障特征發揮出至關重要的意義。總而言之，通過利用小波包絡解調進行去噪處理[4]，有利于為后期關于基于小波包絡解調—盲源分離算法的風機軸承的故障特征提取工作的順利開展起到了至關重要的作用[5]。

（2）小波包絡解調-—盲源分離算法的風機軸承的故障特征提取。針對盲源分離算法的特征，實現小波包絡解調-—盲源分離算法的風機軸承的故障特征提取。

4 結束語

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

參考文獻：

[1]邵玲.基于盲源分離的風機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習的風電機組軸承故障特征提取方法[J].太陽能學報，2016，37（02）：269-275.

[3]管麗莎.基于時間序列和盲源分離的礦井風機故障診斷方法研究[D].

[4]高鵬.基于單通道盲源分離理論的故障特征提取技術[D].2015.

[5]劉軍委.基于盲源分離的滾動軸承復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。