吳海威,王業統,李 美,黃福偉
(1.海南科技職業大學信息工程學院,海南 ???571126;2. 海南大學機電工程學院,海南 ???570228;3.海南大學計算機與網絡空間安全學院,海南 ???570228)
旋轉機械的狀態監測應用已經越來越廣泛,先進的工業開始在其設計中引入越來越多的專用狀態監測系統[1]。由于工業系統不斷提高的計算能力以及存儲能力,并且進一步降低現代IT系統的成本,因此基本狀態監測作為系統監控的保護手段地位更為凸顯。尤其針對復雜的機械設備,例如風力渦輪機和風電機組的齒輪箱[2-3]。
由于多領域統計指標的簡單性,盲跟蹤信號特征的概念已經在工業系統監測中得到廣泛應用,然而,這一盲信號分析概念仍有進一步改進的空間,并使其與其他最先進的振動分析方法更好地結合起來,最普遍的檢測方法之一是觀察振動信號的循環平穩行為[4]。盲濾波方法類似于最小熵卷積(MED)濾波所采用的盲反卷積思想,該濾波使用時間波形的峰度作為統計量來最大化MED,最初應用于地震信號處理領域[5]。然而,峰度作為最大化的措施有一些缺點。當脈沖頻率增加時,峰度值趨于減小。當脈沖相互重疊時,峰度值甚至可以減小到高斯信號的峰度值;另一方面,當脈沖頻率非常低,以至于測量中只有一個脈沖時,峰度值趨于最大[6]。
近年來,人們關注的焦點已經從時間波形統計轉向循環平穩特性。文獻[7]提出的方法在盲反褶積過程中采用了二階循環平穩性指標,它允許用戶以高效靈活的方式最大化ICS2?!?br>