D0I:10.13374/1.issnl00I103.2008.04.041 第30卷第4期 北京科技大学学报 Vol.30 No.4 2008年4月 Journal of University of Science and Technology Beijing Apr.2008 基于声信号分析的齿轮故障诊断方法 杨德斌杨聚星阳建宏章立军 北京科技大学机械工程学院，北京100083 摘要为了解决齿轮故障诊断中传统的声振信号分析方法容易受到周围设备及环境噪声干扰的问题，提出了一种独立分 量分析和自相关分析相结合的齿轮故障诊断方法·首先用独立分量分析分离特征信号和干扰信号，然后用自相关分析提取特 征信号中的周期成分·实验结果表明，该方法可以有效地提取在强背景噪声干扰下的齿轮故障特征· 关键词齿轮：故障诊断：声信号；独立分量分析：自相关 分类号TH165+.3:TN911.7 Method of gear fault diagnosis based on acoustic signal analysis YANG Debin,YANG Juxing,YA NG Jianhong,ZHA NG Lijun School of Mechanical Engineering.University of Science and Technology Beijing.Beijing 100083.China ABSTRACT Due to the noise disturbance from surrounding equipments and environment in gear fault diagnosis based on acoustic sig- nal analysis.a novel method combined with independent component analysis and auto"correlation was proposed.Independent compo- nent analysis was used to separate characteristic signal and interference signal.And then auto-correlation was used to extract the peri- odic component of characteristic signal.Experimental results indicate that the proposed approach could reduce strong background noise and extract fault feature form gear acoustic signal. KEY WORDS gear:fault diagnosis:acoustic signal:independent component analysis:auto"correlation 声信号中蕴藏着机械设备状态的重要信息，它 1独立分量分析 是振动的另一种表现形式，当设备状态发生改变时， 其声学特性也会发生改变，因此，通过对声信号进 独立分量分析3](independent component 行处理和分析，也可以了解设备运行状态，对设备进 analysis,ICA)的含义是把信号分解成若干个互相 行故障诊断山，同时基于声信号的采集可以非接触 独立的成分，也就是从多通道测量所得到的由若干 式获得信号，适用于某些不便于安装振动传感器的 独立信源线性混合组成的观察信号中，将这些独立 场合，如高温、高腐蚀环境，是一种有效、快速的故障 成分分解开来 诊断方法· 设声场中存在N个独立声源，声信号 在实际中，临近机器或其他不相干部件辐射的 (t)(=1,2,,N)是来自不同声源的源信号.为 噪声往往比较强，加上环境噪声的污染，使得待测部 了分离源信号，需要在M(M>N)个测点测量声 件信号往往淹没在混合噪声中，信号信噪比很 信号，观测信号为： 低.为了有效提取故障特征，本文首先采用独立 分量分析从观测信号中提取独立的声源信号，消除 x(e)=之[5(1=1,2，M(山 背景噪声对特征信号的干扰，再采用自相关分析消 式中，a为源信号s(t)在第i个测点的未知混合系 除随机噪声的干扰。该方法能成功地将故障信号从 数.式(1)可写成如下的矩阵形式： 带噪混合信号中分离出来 x(t)=As(t) (2) 收稿日期：2007-01-29修回日期：2007-03-06 式中，x(t)=[x1(t),x2(t),,xw(t)]和s(t)= 基金项目：北京市自然科学基金资助项目(Na,3062012) [s1(t),s2(t),,sx(t)]分别为观测信号矢量和 作者简介：杨德斌(1965一)，男，研究员，E mail:yd山@ustb-du.cm 源信号矢量，A=[a时]y×w为混合矩阵，已知各基于声信号分析的齿轮故障诊断方法 杨德斌 杨聚星 阳建宏 章立军 北京科技大学机械工程学院‚北京100083 摘 要 为了解决齿轮故障诊断中传统的声振信号分析方法容易受到周围设备及环境噪声干扰的问题‚提出了一种独立分 量分析和自相关分析相结合的齿轮故障诊断方法．首先用独立分量分析分离特征信号和干扰信号‚然后用自相关分析提取特 征信号中的周期成分．实验结果表明‚该方法可以有效地提取在强背景噪声干扰下的齿轮故障特征． 关键词 齿轮；故障诊断；声信号；独立分量分析；自相关 分类号 T H165＋∙3；T N911∙7 Method of gear fault diagnosis based on acoustic signal analysis Y A NG Debin‚Y A NG Juxing‚Y A NG Jianhong‚ZHA NG Lijun School of Mechanical Engineering‚University of Science and Technology Beijing‚Beijing100083‚China ABSTRACT Due to the noise disturbance from surrounding equipments and environment in gear fault diagnosis based on acoustic sig￾nal analysis‚a novel method combined with independent component analysis and auto-correlation was proposed．Independent compo￾nent analysis was used to separate characteristic signal and interference signal．And then auto-correlation was used to extract the peri￾odic component of characteristic signal．Experimental results indicate that the proposed approach could reduce strong background noise and extract fault feature form gear acoustic signal． KEY WORDS gear；fault diagnosis；acoustic signal；independent component analysis；auto-correlation 收稿日期：2007-01-29 修回日期：2007-03-06 基金项目：北京市自然科学基金资助项目（No．3062012） 作者简介：杨德斌（1965—）‚男‚研究员‚E-mail：ydb＠ustb．edu．cn 声信号中蕴藏着机械设备状态的重要信息‚它 是振动的另一种表现形式‚当设备状态发生改变时‚ 其声学特性也会发生改变．因此‚通过对声信号进 行处理和分析‚也可以了解设备运行状态‚对设备进 行故障诊断［1］．同时基于声信号的采集可以非接触 式获得信号‚适用于某些不便于安装振动传感器的 场合‚如高温、高腐蚀环境‚是一种有效、快速的故障 诊断方法． 在实际中‚临近机器或其他不相干部件辐射的 噪声往往比较强‚加上环境噪声的污染‚使得待测部 件信号往往淹没在混合噪声中‚信号信噪比很 低［2］．为了有效提取故障特征‚本文首先采用独立 分量分析从观测信号中提取独立的声源信号‚消除 背景噪声对特征信号的干扰‚再采用自相关分析消 除随机噪声的干扰．该方法能成功地将故障信号从 带噪混合信号中分离出来． 1 独立分量分析 独立 分 量 分 析［3—8］ （ independent component analysis‚ICA）的含义是把信号分解成若干个互相 独立的成分‚也就是从多通道测量所得到的由若干 独立信源线性混合组成的观察信号中‚将这些独立 成分分解开来． 设声 场 中 存 在 N 个 独 立 声 源‚声 信 号 sj（ t）（ j＝1‚2‚…‚N）是来自不同声源的源信号．为 了分离源信号‚需要在 M（ M＞ N）个测点测量声 信号．观测信号为： xi（ t）＝ ∑ N j＝1 ［ aijsj（ t）］ i＝1‚2‚…‚M （1） 式中‚aij为源信号 sj（ t）在第 i 个测点的未知混合系 数．式（1）可写成如下的矩阵形式： x（ t）＝ As（ t） （2） 式中‚x（ t）＝［ x1（ t）‚x2（ t）‚…‚x M（ t）］ T 和s（ t）＝ ［ s1（ t）‚s2（ t）‚…‚sN（ t）］ T 分别为观测信号矢量和 源信号矢量‚A ＝ ［ aij ］ M× N 为混合矩阵．已知各 第30卷 第4期 2008年 4月 北 京 科 技 大 学 学 报 Journal of University of Science and Technology Beijing Vol．30No．4 Apr．2008 DOI:10．13374／j．issn1001－053x．2008．04．041