机械病态噪声场中多源分量盲提取方法研究

盲信号处理是机械设备声学故障诊断技术中的一个重要方法，它本质上是对机械混合噪声场建立盲处理数学模型。目前在设备数目较少、信噪比较高的小面积非病态声场情况下，直接应用盲处理技术可以达到设备状态监测诊断的目的，但是对于盲信号处理方法的声学监测和诊断技术研究还有很多难点问题有待深入挖掘。本课题针对多声源、强干扰两个难点问题对大面积病态复杂噪声场中少数关键特征信号的识别问题展开研究，研究建立病态多源声场的瞬时混合时域和卷积混合频域盲分量提取模型；采用神经网络盲提取方法和微粒群算法理论，提取设备微弱的故障特征信号；采用微粒群算法和多源分量顺序提取方法研究少数几个关键特征信号，以多分量盲提取和微粒群算法相结合的优势弥补传统噪声信号识别困难的不足，促进小面积简单设备的噪声识别到复杂多源声场中声信号分离提取，最终实现在多声源病态声场环境下提取被掩盖或淹没的反映机械设备运行状态的特征声信号。