旋转机械振动信号的Kalman滤波及故障诊断

赵锦剑，杨光永，2，周安然，项敏敏

(1．云南民族大学电气信息工程学院，云南昆明　650504；2．华南理工大学机械工程学院，广东广州　510640)

0　引言

机械系统振动信号处理及故障诊断方法包括自适应滤波[1]、高阶谱分析[2]以及独立分量分析(ICA)[3]等。自适应滤波适用于较复杂的机械振动信号处理，它具有很强的自学习和自跟踪能力，能够通过系统辨识来对某一未知的动态系统进行逼近。高阶谱是分析非平稳信号和非高斯信号的有力工具，可以定量地描述信号中与故障密切联系的非线性相位耦合。Yang[4]等研究了利用双谱分析定量地描述信号中与机械故障密切联系的二次相位耦合的方法，进而对转子故障进行诊断。但常规的双谱分析只以单通道信息为研究对象，不能完全地反映旋转系统的非线性特征，从而影响了故障诊断的准确性。ICA是盲源信号分离方法之一，能够在无正交限制下抽取信号的统计独立分量，并且对微弱机械振动信号的特征提取有较好的效果。如文献[5]对齿轮箱的振动信号进行分离，使微弱故障信息明显增强。但ICA存在收敛速度较慢以及误差累积等不足。

旋转机械系统稳定运行过程产生的振动响应信号可以由AR模型来描述，常用的AR模型参数估计方法有最小均方(LMS)算法和递推最小二乘(RLS)算法。LMS算法的特点是运算简单，无需计算相关函数，但收敛速度较慢；RLS算法虽然具有较快的收敛速度，但其得到的数据自适应滤波器是对每一组输入数据而言的，未能体现信息的完整性[6]。……