改进PCA和JADE盲源算法应用于电机系统振动信号的分离

李秀梅 李 文 孙燕楠 曲英伟

(1.大连交通大学软件学院，辽宁 大连 116052；2.大连交通大学动车学院，辽宁 大连 116028)

为了研究电机系统振动抑制以及电机故障的预测和诊断，笔者从电机系统实测振动信号着手，在不破坏、不干扰机器正常运行的前提下，采用盲源分离(Blind Signal Separation，BSS)算法对电机系统振动实测信号进行分离，从几个独立于传播介质的观测信号中初步估计出振动源信号的数目和振动源信号在不同频率段的分布情况。利用BSS处理信号可以作为系统故障诊断的预处理步骤，也可为电机系统振动抑制算法和电机故障分析提供理论依据。

以往采用BSS分离混合信号的前提是观测信号是无噪声的，即使有噪声也是空间白化噪声，因为带噪声的BSS算法首先采用主分量PCA(Principal Components Analysis)技术滤除噪声、白化观测信号[1]，尽可能使源信号之间不相关。PCA估计信号子空间的第一步是需要计算观测信号的协方差噪声矩阵，然后对此矩阵进行特征值(Eigen Value Decomposition，EVD)分解，将观测信号投影到不相关的信号子空间，但此时得到的信号仍然是源的混合信号。随后利用更强的相互独立性约束准则去分离、恢复源信号。从中可见，整个分离过程的有效性取决于第一步信号预处理PCA。但是，在现实世界中，电机系统振动信号很可能已经被来自噪声环境的空间相关噪声严重污染，如果仍按照上述方法处理信号，就不能正确估计信号子空间，在这种实验环境下，PCA丢失了有效性，从而随后的BSS算法就变得不再可靠。……