中文摘要：

针对早期故障振动激励的微弱性、振动信号传播的畸变性以及多故障振动信号的耦合性等造成故障诊断困难的问题，从机械振动源信号动力学建模、振动传播路径的建模、传感器的布局和优化、故障源信号的识别和定位等几个方面，研究基于信号传播路径的故障源信号的识别和定位方法。首先建立局部结构和整个机械系统的动力学模型，借助于有限元，建立仿真模型，进行故障机理研究。然后通过试验和理论相结合的方法，建立考虑了信号传播路径的整体机械系统动力学模型，并进行模型验证。在此基础上，以振动源信息获取的准确性和完备性为目标，研究各类传感器的种类和测点的选择依据，确定传感器布局、优化方案。最后研究考虑传播路径模型的的故障特征提取方法，建立典型故障的特征库，进行故障源信号的识别和定位方法研究。本项目的研究有助于解决早期故障和多故障情况下机械系统的正确诊断问题，对于避免设备发生突发、严重的事故，具有重要的意义。

结论摘要：

本项目进行了基于信号传播路径的故障识别和定位方法的研究。沿着机械振动的起源到故障的识别这一条主线，进行了振动源特性研究、振动源信号混合模型研究、故障源信号的识别和定位方法研究。 在对机械振动源特性分析的基础上，进行了振动源信号在不同传播模型下的振动源数估计方法研究。提出了一种基于FFT的源数估计方法，该方法可以解决机械振动源在线性混合模型下的源数估计问题，方法以观测信号的频谱特征分布为依据，对源数估计的有效性和前提条件进行了分析。该方法在混合矩阵的列不成比例时，通过两个观测即可得到源数的正确估计。当混合矩阵的列成比例时，通过拓展观测数以获得不成比例的条件，即可进行正确的源数估计。为解决机械振动源在卷积混合模型下的源数估计问题，提出了一种复合EMD-SVD-DE的机械振动源信号数量估计方法，该方法应用EMD方法对振动观测信号进行分解，获得源信号的内在特征振动形式；然后通过奇异值分解获得反映源数信息的特征值分布；再通过确定占优特征值数目来确定振动源的数量。 对信号传播模型在稳定载荷和变载荷情况下的机械系统动态过程进行了研究。在稳定载荷情况下，引入二阶统计量的盲分离方法，进行机械振动源信号的辨识研究。算法利用单位时滞协方差矩阵计算白化矩阵，利用不同时滞协方差矩阵族的联合近似对角化获取矩阵族的平均特征结构。算法可较好的分离出不同机械的振动信号。在信号传播模型建模为卷积混合的情况下，提出一种卷积混合的非平稳机械振动信号盲分离算法。该算法以独立性为评判准则，采用反向学习和实时解耦的方式，进行滤波器系数的学习和非平稳信号的估计。实验表明了该算法对卷积混合下的非平稳信号的盲分离的有效性，算法可较好的分离出非平稳机械振动信号。 为进行故障源信号的识别和定位，提出了一种齿轮点蚀的多通道数据融合识别方法，采用非线性、非稳态过程分析的盲源分离方法、经验模态方法获取信号故障特征参数，通过信号融合的方法辨识结构特征参数，提取了齿轮点蚀故障的特征。 在信号传播路径的识别研究过程中，实验结果与理论模型分析得到的结果的出入比较大。原因在于以整个齿轮箱为研究对象，造成信号传播路径错综复杂，影响结果。课题组会在现有研究的基础上，按照研究目标，从简化研究对象着手，继续深入研究，以期达到满意的成果。 本项目的研究有助于解决早期故障和多故障情况下机械系统的正确诊断问题。