單通道盲源分離在轉動機械聲學故障診斷中的應用研究

摘 要：盲源分離技術能夠幫助完成機械設備的故障診斷，其中，單通道盲源分離技術正是該領域研究的熱點。學者們在該領域以機械振動信號作為研究對象應用最為廣泛，在此基礎上，本文針對單通道的轉動機械聲音信號盲源分離進行討論，為機械聲學故障診斷的發展奠定基礎。

關鍵詞：轉動機械聲信號;盲源分離;單通道盲源分離;故障診斷

中圖分類號：TB535

盲源分離（Blind Source Separation，BSS）技術通常是在源信號及傳輸系統特性未知或已知甚少的情況下，僅靠接收到的混合信號實現各個獨立源信號的恢復。[1]通常BSS模型中傳感器數量不小于源信號數量，當傳感器數量為一個時定義為單通道盲源分離（Single Channel Blind Source Separation，SCBSS）。SCBSS其先驗知識極少且系統不可逆，但它卻是BSS應用于實際環境的良好體現，是極具挑戰與極具價值的研究。[2]

目前，學者結合BSS針對振動信號在機械故障診斷方面做了相關研究。[3-4]由于噪聲信號是非接觸式采集，較振動信號的采集更方便，因此，本文討論單通道盲源分離應用于轉動機械噪聲信號故障診斷的可行性。

1 單通道盲源分離模型

假設系統在t時刻有n個獨立源信號描述為S（t）=s1t，s2（t），...，sn（t）T，該n個源信號由一個傳感器所接收，表示為X（t），則SCBSS數學模型可描述為：

2 單通道盲源分離算法

學者們對機械信號SCBSS的研究主要從以下幾個方面著手解決：

（1）基于變換域濾波分離法。對于在時頻域重疊且通過時頻域濾波方法不能有效分離的信號時，可以通過可逆變換將觀測信號投射到某一域（如廣義譜域、循環譜域等）上，然后在該域上根據各個源信號的差異性構造適合的濾波器進行信號分離的方法。

（2）基于通道升維分離法。該方法將單觀測通道通過一定方法虛擬成多觀測通，模擬傳統BSS模型。具有代表性的研究有基于單通道延時處理的空時法、將經驗模態分解與獨立分量分析相結合的基于時頻域分解升維法以及對單通道觀測信號通過間隔過采樣實現通道升維。[5]

（3）稀疏分解方法。對觀測的信號進行稀疏分解，使其采樣值的分布規律在某一變換域內表現為絕大多是為零，則可以利用信號的稀疏性分離出原始信號。文獻[6]利用該方法實現轉動軸承振動信號單通道盲分離。

綜上所述，基于通道升維分離法對于源信號的先驗知識要求低，已有研究中該算法復雜度較低、收斂速度較快，在SCBSS中廣泛應用。

3 盲源分離在轉動機械聲學故障診斷中的應用分析

有學者結合經驗模態分解算法與經典BSS算法實現轉動機械振動信號的單通道盲源分離，從而進一步實現機械故障診斷。[7]還有學者探討了電動機和揚聲器的混合聲信號盲源分離問題，并做現場實驗證明論文中所提方法可行。[8-9]文獻[10]提出基于魯棒預白化的二階盲辨識算法（RSOBI），并對兩臺三相異步電動機噪聲信號進行試驗，成功分離了故障聲信號與正常聲信號。文獻[11]提出一種“小波消噪-BSS-小波消噪”方法用于兩臺小型電動機的聲音信號盲源分離研究，對于進一步分析故障具有實際價值。文獻[12]利用FastICA和SOBI算法試驗半消聲室內的一臺小型鉆機和一臺風扇的混合噪聲盲源分離，實驗分離效果較好。畢鳳榮等人研究了裝載機司機室內噪聲信號的分離與識別技術。[13]

總體來看，以往研究多是基于盲源分離的振動環境噪聲分離，該研究在轉動機械聲學故障診斷中具有重要意義。然而針對單通道的轉動機械聲信號分離學者們鮮有探究，又由于實際工程中的需要，因此，研究SCBSS可以為轉動機械聲學故障診斷做鋪墊。

4 結語

本文簡述了單通道盲源分離的模型及轉動機械信號中的單通道盲源分離算法，分析了盲源分離在轉動機械聲學故障診斷中的應用，從而得出單通道盲源分離在該領域應用的可行性與重要的實際價值。

參考文獻：

[1]李振璧，王康，姜媛媛.盲源分離技術研究與方法綜述[J].科學技術與工程，2017，17（14）：141-147.

[2]郭一娜.單通道線性混合信號盲源分離算法研究[M].北京：電子工業出版社，2016：3-120.

[3]Tang G，Luo G，Zhang W，et al.Underdetermined Blind Source Separation with Variational Mode Decomposition for Compound Roller Bearing Fault Signals[J].Sensors，2016，16（6）：1-17.

[4]梁霖，栗茂林，李利邦，等.基于非負矩陣分解的單通道故障特征分離方法[J].振動、測試與診斷，2016，36（5）：835-840.

[5]劉佳，楊士莪，樸勝春，等.多途環境下的單通道水聲信號盲源分離[J].振動與沖擊，2012，31（6）：15-18.

[6]朱會杰，王新晴，芮挺，等.基于移不變稀疏編碼的單通道機械信號盲源分離[J].振動工程學報，2015（4）：625-632.

[7]孟宗，蔡龍.基于EEMD子帶提取相關機械振動信號單通道盲源分離[J].振動與沖擊，2014，33（20）：40-46.

[8]顧晅.基于盲源分離技術的聲學信號處理以及診斷初探[D].上海：上海交通大學學位論文，2002.

[9]鐘振茂.基于盲源分離的聲學故障特征提取方法研究[D].上海：上海交通大學學位論文，2005.

[10]李加文，李從心.基于魯棒預白化的機械噪聲信號盲分離[J].機械科學與技術，2005，24（12）：1499-1501.

[11]李志農，郝偉，韓捷，等.噪聲環境下機械故障源的盲分離[J].農業機械學報，2006，37（11）：110-113.

[12]王宇.盲源分離在機械設備聲學信號特征提取中的應用[D].昆明：昆明理工大學學位論文，2007.

[13]畢鳳榮，陸地，邵康，等.基于EEMD-ICA-CWT的裝載機室內噪聲盲源分離和識別[J].天津大學學報（自然科學與工程技術版），2015，48（9）：804-810.

作者簡介：張榮彬（1992-），男，碩士研究生，主要研究方向：盲源信號處理、故障診斷。