發明涉及旋轉機械故障診斷技術領域，特別涉及一種基于MF?JADE的旋轉機械故障診斷方法；第一步：通過多個傳感器采集旋轉機械的轉子振動信號；第二步：根據轉子振動信號采樣頻率計算中值濾波器的窗口寬度，采用中值濾波濾除該信號中的脈沖噪聲和部分白噪聲；第三步：對中值濾波后的信號采用JADE算法進行分離，分離出各單一故障特征信號；第四步：對分離后的各單一故障特征信號進行相應診斷。該方法使用中值濾波方法對旋轉機械轉子系統耦合故障振動信號進行降噪，能夠有效濾除脈沖噪聲和白噪聲，降低了噪聲，提高了信噪比，隨后再使用基于JADE的盲源分離得到最佳效果，實現了對故障特征信號的有效提取，是一種有效的旋轉機械轉子系統耦合故障的診斷方法。

技術領域

本發明涉及旋轉機械故障診斷技術領域，特別涉及一種基于MF-JADE的旋轉機械故障診斷方法。

背景技術

機械設備(系統)狀態監測與故障診斷的實踐中，被監測與診斷的對象往往不是單臺機械設備，而是同時運轉的多臺機械設備。安裝在機械設備上的振動傳感器所測得的信號一方面包含其它機械的振動，另一方面還包含自身零部件產生的振動，不同機械之間的振動以及不同零部件產生的振動之間互相干擾。

目前機械設備(系統)狀態監測與故障診斷所檢測的振動信號往往是多個振動源信號以及干擾噪聲耦合的結果。而目前所采用的診斷知識往往是針對某個部件的理論分析結論，這嚴重影響了故障診斷的準確性，甚至造成謊報或漏報情況的發生。

因此，需要對所檢測的振動信號進行提純；通過提純振動源信號方法的故障診斷方法，才能提高故障診斷的準確性。

發明內容

本發明的目的是為了提供一種基于MF-JADE的旋轉機械故障診斷方法，以解決目前所檢測的振動信號往往是多個振動源信號以及干擾噪聲耦合的結果導致嚴重影響了故障診斷的準確性，甚至造成謊報或漏報情況的發生。

具體的，本發明采用以下技術方案進行：一種基于MF-JADE的旋轉機械故障診斷方法，具體方法如下：

第一步：通過多個傳感器采集旋轉機械的轉子振動信號；

第二步：根據轉子振動信號采樣頻率計算中值濾波器的窗口寬度，采用中值濾波濾除該信號中的脈沖噪聲和部分白噪聲；

第三步：對中值濾波后的信號采用JADE算法進行分離，分離出各單一故障特征信號；

第四步：對分離后的各單一故障特征信號進行相應診斷。

近年來，數字信號處理技術的發展日新月異，大量方法被用于旋轉故障故障信號的提取及降噪。經驗模態分解(EMD)是一種非平穩信號分析方法，能發現信號中隱藏的特征信息，在旋轉機械故障沖擊信號提取及降噪中得到了廣泛應用；最小熵解卷積在峭度值最大化條件下，設計出最優濾波器來消除軸承沖擊信號中的隨機噪聲；自適應濾波則需要引入附加噪聲信號，同樣通過設計最優濾波器來提取軸承故障沖擊信號；匹配追蹤根據軸承故障振動沖擊的特點定義原子對振動信號進行拆解，提取出沖擊特征分量；數學形態學分析則利用預先定義的結構算子對信號進行腐蝕、膨脹、開、閉等運算，達到抑制噪聲，提取特征信號的目的；循環平穩信號分析依靠軸承故障沖擊信號的循環平穩特性設計濾波器來消除隨機噪聲；維納濾波則被用于消除故障沖擊信號中的平穩隨機噪聲；小波變換先將振動信號分解到不同頻帶，再定義閾值剔除噪聲分量，重構得到特征信號；卡爾曼濾波先建立滾動軸承振動狀態模型和信號觀測模型，再以此為基礎迭代消除信號中的噪聲；隨機共振則利用噪聲來增強軸承振動信號中的故障特征分量。以上提到的都是普適性的方法，在特定環境下能有效地消除背景噪聲及干擾分量，提取故障信號，但并不適用于復雜干擾的情況，特別是當振動信號中干擾分量的形態與故障信號類似時，以上方法都很難對二者作出區分，就更談不上消除干擾分量及提取故障信號了。盲源分離技術可以實現多混疊信號的分離，同時盲源分離不受源信號時間互相交疊和頻譜互相交疊的影響，而且分離后的輸出信號不會丟失源信號中的微弱特征信息。