[发明专利]一种基于SCA和FastICA的旋转机械耦合故障诊断方法

权利要求书

1.一种基于SCI和FastICA的旋转机械耦合故障诊断方法，其特征在于：具体方法如下：

第一步：通过多个传感器采集旋转机械的耦合故障的转子振动信号；

第二步：引入同步累加平均降噪算法，并结合信号均衡、平滑处理，对采集振动信号进行降噪；

第三步：运用FastICA算法对降噪后的信号进行分离，分离出各单一故障特征信号；

第四步：对分离后的各单一故障特征信号进行相应诊断。

2.根据权利要求1所述的一种基于SCI和FastICA的旋转机械耦合故障诊断方法，其特征在于：所述传感器的个数大于或等于可能纯在的故障源个数。

3.根据权利要求2所述的一种基于SCI和FastICA的旋转机械耦合故障诊断方法，其特征在于：传感器采用加速度传感器或位移传感器。

4.根据权利要求3所述的一种基于SCI和FastICA的旋转机械耦合故障诊断方法，其特征在于：第二步中：设采样信号为y(t)是源信号和噪声形成的混合信号，数学形式表示为：

y(t)＝s(t)+v(t)；

式中：s(t)是有用的周期信号；v(t)是噪声信号；

如果起始采样时间为t_k，采样周期为T，则第i个采样点的信号为：

y(t_k+iT)＝s(t_k+iT)+v(t_k+iT)；

其中：i是采样序列的数量；

对于周期性信号s(t)，在同步状态下的不同采样周期，时间t_k具有相同的采样值；

因此s(t_k+iT)＝s(t_k) (3)；

重复q采样后，第i个采样数据的累计值为

多次q积累后的信号

按统计平均值按q次累积的噪声

q次采样后，将各采样噪声的平均有效值设为：

然后进行q次累加后的信噪比

5.根据权利要求4所述的基于同步累加平均降噪和FastICA的旋转机械耦合故障故障诊断方法，其特征在于：第三步，对FastICA算法分离的具体步骤为：

(1)观测信号预处理：中心化和白化得到均值为0，且无相关性的观测信号；

(2)设m为分离信号的总数，令p为1；

(3)随机选择W_p，初始化

(4)更新W_p，令

(5)正交化W_p，通过

(6)归一化W_p，通过公式

(7)对W_p的收敛性和发散性分析，如果收敛，则转到第4步，否则将进入下一步；

(8)令p＝p+1，如果不大于m，则转到步骤3，否则分离一个独立分量，算法结束。