关键词：旋转机械;故障诊断;无监督学习;固有成分滤波器;微弱信号检测;复合故障分离
摘 要：针对噪声环境下旋转机械微弱复合故障诊断问题，提出了一种强噪声干扰下基于固有成分滤波器（intrinsic component filtering，简称ICF）的旋转机械故障检测和分离方法。ICF通过最小化样本间特征的L1/2范数和样本内特征的L3/2范数来实现样本之间特征的一致性和样本内部特征的稀疏性，并训练出最优滤波器组，是一种无监督多维盲解卷积算法。首先，构建输入信号的Hankel训练矩阵，通过权值矩阵与Hankel矩阵的乘积模拟卷积过程，再利用固有属性滤波器实现特征学习；其次，通过峭度信息选择最优滤波器；最后，根据滤波后的时域波形和包络谱实现故障诊断。仿真和试验信号验证了提出方法的故障诊断性能，研究结果表明，提出的方法无需任何先验经验，可以实现强噪声环境下的微弱故障的分离，同时具备很好的鲁棒性。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取