第1章 绪论 1
1.1 信号处理和分析在机械工程振动中的作用 1
1.1.1 工程中对第一类振动信号的处理方法 1
1.1.2 工程中对第二类振动信号的处理方法 3
1.1.3 发展趋势 6
1.2 机械振动的特性及其描述 7
1.2.1 机械振动的一般处理方法 7
1.2.2 线性理论模型 8
1.2.3 非线性处理的局限性 9
1.3 实际机械结构振动的复杂性 9
1.3.1 简化的理论方法与工程问题的区别 9
1.3.2 一般分析方法及其存在的问题 10
1.4 信号分析方法在机械工程振动中的发展 10
1.4.1 传统振动信号分析方法 10
1.4.2 小波分析方法 12
1.4.3 经验模式分解方法 15
1.4.4 PCA方法 16
1.4.5 混沌方法 17
1.4.6 子带能量法 18
1.5 本章小结 20
参考文献 20
第2章 盲源分离的基本理论 24
2.1 盲源分离的发展状况 24
2.1.1 独立分量分析 25
2.1.2 噪声环境下的盲源分离 25
2.1.3 稀疏分量分析 25
2.2 盲源分离模型描述 26
2.2.1 盲源分离的数学模型 26
2.2.2 盲源分离的基本假设 28
2.2.3 盲源分离的不确定性 28
2.3 盲源分离的预处理方法 29
2.3.1 中心化 29
2.3.2 白化处理 30
2.4 盲源分离的相关数学知识 31
2.4.1 概率论知识 31
2.4.2 统计知识 32
2.4.3 信息论知识 34
2.5 盲源分离的独立性判据 37
2.5.1 非高斯性极大 37
2.5.2 互信息最小 38
2.5.3 非线性不相关 38
2.6 ICA优化算法简介 39
2.6.1 批处理算法 39
2.6.2 自适应算法 40
2.6.3 逐层分离法 41
2.7 分离效果的评价指标 41
2.7.1 PI评价指标 41
2.7.2 相似系数 42
2.7.3 二次残差 42
2.8 本章小结 42
参考文献 43
第3章 盲源分离的现代分析方法 46
3.1 振动信号的固定点算法 46
3.1.1 基于峭度的固定点算法 46
3.1.2 基于负熵的固定点算法 47
3.1.3 估计多个独立分量的固定点算法 47
3.1.4 基于极大似然的固定点算法 48
3.2 JADE算法 49
3.2.1 四阶累积量矩阵 49
3.2.2 累积量矩阵的联合近似对角化 50
3.2.3 振动信号的仿真分析 50
3.3 基于二阶统计量的盲算法 51
3.3.1 稳健的二阶盲辨识算法 51
3.3.2 TDSEP算法 52
3.3.3 二阶非平稳源盲分离算法 53
3.3.4 转子振动信号的二阶非平稳源盲分离 54
3.4 基于Jacobi优化的盲源分离方法 58
3.4.1 基于Jacobi优化的极大似然估计方法 58
3.4.2 改进的基于Jacobi优化的极大似然估计方法 61
3.4.3 仿真与试验研究 62
3.5 稀疏分量分析 64
3.5.1 基于信号稀疏表示的线性混叠信号盲分离原理及算法 65
3.5.2 基于粒子群优化算法的稀疏信号盲分离 66
3.5.3 仿真分析 67
3.6 含有噪声的独立分量分析 68
3.6.1 基于小波变换的消噪方法 68
3.6.2 基于现代时间序列分析的滤波方法 70
3.6.3 试验研究 72
3.7 非线性盲源信号分离 75
3.7.1 非线性去混叠系统 75
3.7.2 基于后非线性的盲源分离 76
3.7.3 仿真试验 78
3.8 基于BP神经网络的非线性盲源分离 80
3.8.1 MISEP方法理论基础 80
3.8.2 多层感知器的ψ函数约束 81
3.8.3 BP神经网络的训练 81
3.8.4 仿真与试验研究 83
3.9 本章小结 88
参考文献 88
第4章 机械振动特征信号的盲分离方法 92
4.1 基于信息论准则的独立分量分析方法 92
4.1.1 信息最大化准则及其算法 92
4.1.2 最大似然准则及其算法 94
4.1.3 最小互信息准则及其算法 95
4.1.4 估计分离矩阵的加速梯度法及其应用 96
4.2 基于非高斯化的独立成分分析方法 98
4.2.1 基于峭度的快速定点算法 98
4.2.3 基于负熵的快速定点算法 99
4.2.3 基于峭度的仿真分析与试验研究 100
4.2.4 基于负熵的仿真分析与试验研究 104
4.3 机械振动信号的卷积混合盲分离 109
4.3.1 卷积混合矩阵的时域盲分离 109
4.3.2 卷积混合矩阵的频域盲分离 112
4.3.3 应用研究 113
4.4 基于机械振动特性的半盲分离方法 118
4.4.1 带有参考信号的盲源分离方法 119
4.4.2 相似性度量与参考信号模型的建立 121
4.4.3 仿真算例与试验分析 123
4.5 振动信号盲分离的新方法 126
4.5.1 盲分离的组合对比函数 127
4.5.2 基于组合对比函数的转子混叠振动信号盲分离 128
4.5.3 自相关降噪原理 130
4.5.4 噪声环境下的转子振动信号分离 131
4.6 本章小结 138
参考文献 138
第5章 机械振动信号的分离研究 142
5.1 电机振动信号的分离 142
5.1.1 同一试验台上两台调速电机振动信号的分离 142
5.1.2 两台低功率电机振声信号的分离 143
5.2 转子试验台振动试验混叠信号的分离研究 147
5.2.1 试验方法、所用仪器及试验过程 147
5.2.2 试验数据分析 148
5.3 航空发动机振动信号分析 151
5.3.1 航空发动机试车试验振动分析 151
5.3.2 航空发动机试车故障分析 154
5.3.3 某型涡扇发动机转子振动超标故障诊断 157
5.3.4 双转子航空发动机振动信号的分离 160
5.4 驾驶舱内混叠声音信号的分离 163
5.4.1 人工混合声信号的盲源分离 163
5.4.2 发动机噪声背景下舱内多路声信号的盲分离 167
5.4.3 噪声环境中舱内混叠声信号盲分离 169
5.5 内燃机振动信号的盲分离 171
5.5.1 盲去卷积的MBLMS算法 171
5.5.2 分离试验数据分析 173
5.6 齿轮箱振动信号的盲分离 175
5.6.1 齿轮箱振动信号的建模 175
5.6.2 基于联合近似对角化的齿轮箱故障盲源分离 176
5.7 盲分离技术在模态分析中的应用 177
5.7.1 基于快速独立分量分析的模态振型识别 177
5.7.2 试验研究 178
5.8 本章小结 181
参考文献 181
第6章 振动信号盲源分离软件平台开发 183
6.1 混合编程简介 183
6.1.1 VC＋＋与MATLAB混合编程方法 183
6.1.2 MATCOM的应用 184
6.2 软件平台的框架结构 186
6.3 振动信号软件平台的处理流程及其功能设计 186
6.3.1 信号的加载与编辑模块 187
6.3.2 信号的混合模块 188
6.3.3 算法选择模块 188
6.3.4 分析结果的图形显示与存储模块 189
6.4 本章小结 191
第7章 总结与展望 192
7.1 全书总结 192
7.2 工作展望 193