資源描述：
《基于ica的工作模態(tài)參數(shù)識(shí)別》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。
1、基于ICA的工作模態(tài)參數(shù)識(shí)別張銳1 黃晉英1 郎忠寶2（1.中北大學(xué)機(jī)械與動(dòng)力工程學(xué)院，山西太原030051；2.晉西集團(tuán)技術(shù)中心，山西太原030051）【摘 要】本文分別闡述了獨(dú)立分量分析和基于ICA的工作模態(tài)分析原理，發(fā)現(xiàn)了ICA分離模型與結(jié)構(gòu)振動(dòng)模態(tài)分析模型的一致性。應(yīng)用ICA算法和比利時(shí)LMS公司的OMA分析軟件分別對(duì)齒輪箱正常和斷齒工況進(jìn)行模態(tài)參數(shù)識(shí)別，對(duì)比發(fā)現(xiàn)，ICA算法與目前最常用的Op.PolyMAX算法相比抗噪性強(qiáng)，識(shí)別簡(jiǎn)便精準(zhǔn),為工作模態(tài)參數(shù)識(shí)別提供新的識(shí)別依據(jù)。.jyqketerIdentificationBasedonICAZHANGR
2、ui1 HUANGJin－ying1 LANGZhong－bao2（1.SchoolofMechanicalandPoodalanalysisbasedontheprincipleofICA.Theanalysisdemonstratestheconsistencybetodelandstructuralvibrationmodalanalysismodel.TheICAalgorithmandthesoftodalparametersrespectively.ThispaperfindsthatthealgorithmofICA,paringostmonly
3、used,hasstronganti-noiseperformance.Besides,itiseasytooperateandtheidentificationisaccurate,thiskindofalgorithmprovidesaneodalparametersidentification.【Keyodalanalysis;Modalparameteridentification;Gearbox0 概述模態(tài)參數(shù)識(shí)別是系統(tǒng)識(shí)別的一個(gè)大類。系統(tǒng)的模態(tài)參數(shù)包括模態(tài)頻率、模態(tài)阻尼比和模態(tài)振型等參數(shù)。準(zhǔn)確的識(shí)別和獲得模態(tài)參數(shù)在結(jié)構(gòu)損傷的精確識(shí)別和健康監(jiān)測(cè)中具有
4、重要的意義［1］。 獨(dú)立分量分析是20世紀(jì)末發(fā)展起來(lái)的一項(xiàng)基于輸出的信號(hào)處理方法［2］。它可以不受信號(hào)間頻帶混淆和外界噪聲的干擾［3］，從復(fù)雜的由若干信源線性組合成的觀察信號(hào)中，將這些獨(dú)立成分分離開來(lái)。1 獨(dú)立分量分析原理ICA可簡(jiǎn)單描述為：假設(shè)有m個(gè)傳感器測(cè)得m個(gè)觀測(cè)信號(hào)xi（i=1，2，…，m），每個(gè)觀測(cè)信號(hào)是n個(gè)獨(dú)立源信號(hào)sj（j=1，2，…，n）的線性混合，X=A·S（1）其中，X=［x1，x2，…，xm］T和S=［s1，s2，…，sm］T是混合信號(hào)矢量和源信號(hào)矢量，A是n×m的混合矩陣。上式描述了觀測(cè)信號(hào)是如何由獨(dú)立分量sj的混合過(guò)程得到的。A為未
5、知的混合矩陣，因此ICA的問(wèn)題就是要在僅知道觀測(cè)矢量的xi（1，2，3，…，m）的情況下，估計(jì)出混合矩陣A和獨(dú)立分量sj。由于混合矩陣A未知，所以無(wú)法從觀測(cè)信號(hào)直接得到各獨(dú)立分量，即要找到一個(gè)分離矩陣S公司的LMSTest.Lab測(cè)試系統(tǒng)對(duì)齒輪箱的振動(dòng)信號(hào)進(jìn)行采集和簡(jiǎn)單后處理。實(shí)驗(yàn)設(shè)備包括三向加速度傳感器及LMS信號(hào)采集分析儀等。本次實(shí)驗(yàn)選擇在齒輪箱的敏感振動(dòng)部位布設(shè)8個(gè)傳感器，分別布置在靠近輸入軸一側(cè)的軸承座處的箱體上，測(cè)試方向?yàn)榇怪毕蛏?。傳感器在箱體表面的布測(cè)編號(hào)按從左到右從上到下的順序。該齒輪箱為二級(jí)傳動(dòng)裝置，實(shí)驗(yàn)設(shè)定采樣頻率為8192Hz，輸入軸的轉(zhuǎn)速
6、為1200r/min，在該轉(zhuǎn)速下兩對(duì)齒輪的嚙合頻率分別為600Hz和157Hz。用LMSTest.Lab軟件對(duì)齒輪箱實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分析，計(jì)算各個(gè)測(cè)點(diǎn)之間的互功率譜函數(shù)，并對(duì)所有互功率譜函數(shù)進(jìn)行集總平均，再進(jìn)行曲線擬合，得到SUM互功率譜函數(shù)，用Op.PolyMAX法分析SUM互功率譜函數(shù)得到穩(wěn)態(tài)極點(diǎn)圖和模態(tài)參數(shù)。通過(guò)對(duì)齒輪箱敏感測(cè)點(diǎn)和振動(dòng)響應(yīng)較大測(cè)點(diǎn)的優(yōu)化分析后，選取測(cè)點(diǎn)5作為參考點(diǎn)。齒輪箱正常工況與故障工況下模態(tài)參量如表1所示。對(duì)正常工況和故障工況采集到的信號(hào)分別運(yùn)用FASTICA算法進(jìn)行處理，同樣選擇測(cè)點(diǎn)5作為參考點(diǎn)。由于篇幅問(wèn)題，此處只選取了部分經(jīng)FAST
7、ICA分離前后的功率譜密度曲線，如圖1所示。圖1 部分經(jīng)FASTICA分離前后的功率譜密度曲線圖測(cè)試曲線表明3個(gè)振動(dòng)加速度測(cè)試信號(hào)的功率譜密度曲線基本相同，是由多種源信號(hào)的混合造成的。實(shí)際上齒輪箱各測(cè)點(diǎn)的振動(dòng)信號(hào)主要體現(xiàn)的是它的固有特征，故障特征信號(hào)非常微弱，幾乎淹沒在結(jié)構(gòu)的特征信號(hào)中。經(jīng)ICA分離的源信號(hào)的功率譜密度曲線出現(xiàn)了明顯的不同，雖然頻率成分上與源信號(hào)出現(xiàn)了一定的相似性。表1 Op.PolyMAX法與ICA法識(shí)別模態(tài)參量結(jié)果對(duì)比Op.PolyMAX法與ICA法識(shí)別模態(tài)頻率對(duì)比如表（1）所示，“—”為未識(shí)別出結(jié)果，由表（1）可知，與Op.PolyMAX
8、法識(shí)別的模態(tài)頻率相對(duì)比，ICA方法同樣
