基于盲分离的机械噪声故障诊断研究
|
摘要
本论文结合浙江省自然科学基金项目“基于盲分离技术的机械噪声故障诊断研究”(5001004)，对机械噪声检测、诊断技术进行了探讨，分析了信号盲分离(BSS)技术及算法在故障诊断中的应用，并在此基础上进行了仿真实验研究；同时，论文还结合横向项目“多机组分布式监测与故障诊断系统”的研究与开发工作，分析了状态监测与故障诊断系统的功能与结构，并对其中的关键模块进行了实现。论文的主要内容如下：
第一章论述了机械故障监测与诊断领域的发展现状及趋势，分析了机械噪声诊断技术的原理及其国内外研究现状、存在的问题和发展趋势；针对机械噪声诊断技术存在的问题，在分析国内、外对信号盲处理的研究及应用现状的基础上，初步引入信号盲分离概念及模型。
第二章介绍了噪声的特性，提出了基本的噪声监测方法；在查阅了有关噪声测量标准的基础上，针对盲分离(BSS)技术的特点，设计机械噪声监测与故障诊断系统的方案。
第三章介绍了基于最小互信息量(MMI)的盲源分离理论及其算法，并用C++实现了该算法，对该算法进行了仿真研究，得到了令人满意的信号分离效果。
第四章分析了基于最大熵的盲源分离(ME)原理与算法，并将其与基于最小互信息量(MMI)算法进行比较；随后，应用多个实例进行仿真研究，对分离效果进行了分析。
第五章分析了机械故障诊断系统结构与功能，阐述了“多机组状态监测与故障诊断”网络系统的解决方案、软硬件功能与结构及其实现，并设计基于盲分离(BSS)技术的噪声监测诊断软件模块。
第六章总结全文的工作，指出信号盲分离技术的应用局限性及其改进方向；同时，分析了其他技术为辅助手段应用可能性，展望了机械噪声故障诊断系统的发展方向。
Based on the "Study on Faulty Diagnosis over Mechanical Noises Based on Blind Source Separation"(Nature Science Fund Project of Zhejiang Province, No. 5001004), this paper researches on techniques of mechanical noises monitoring and fault diagnosis. Theory of Blind Source Separation and its application in the field of faulty diagnosis are analyzed, and some simulations are carried through. This paper also studies the structure and its important modules of the fault Monitoring and Diagnosis System for large rotating machinery, which was developed by our research group.
In the first chapter, the developmental actuality and its trends in the field of fault monitoring and diagnosis on mechanicals are expressed. Principles and actuality inside and outside country of noises diagnosis on mechanicals are analyzed. Some problems of this method are issued. Then, the concept and mathematic model of BSS are introduced aimed at these problems. Some applications and research works inside and outside China are set forth.
In the second chapter, the characteristics of noises are introduced. Some basic methods of supervision and monitoring are issued. On the basis of some guideline about measurement, the method of construction of faulty monitoring system on mechanical noises is brought forward aiming at requirement of BSS.
In the third chapter, the article emphasized on the one of two kinds of mature BSS arithmetic, that is, BBS arithmetic based on Minimum Mutual Information. The flow chart of this arithmetic are given, and some simulations on imitate signals are worked out. Then, the results of BSS are expressed.
In the fourth chapter, the other kind of BSS arithmetic, which is based on Maximum Entropy, are discussed. These two kinds of arithmetic are compared. After then, several simulations and results are demonstrated.
In the fifth chapter, some research works are done on the system of faulty diagnosis. Precepts of monitoring and faulty diagnosis system on large rotary equipments are figure out. Its hardware configuration and software modules are discussed. The sub-system of BSS on faulty diagnosis over noises is designed briefly.
In the last chapter, all of the works in this dissertation are summed up. Some limits and improvement in application of BSS are figured out. The future research of BSS on faulty diagnosis over mechanical noises is prospected.
第一章论述了机械故障监测与诊断领域的发展现状及趋势，分析了机械噪声诊断技术的原理及其国内外研究现状、存在的问题和发展趋势；针对机械噪声诊断技术存在的问题，在分析国内、外对信号盲处理的研究及应用现状的基础上，初步引入信号盲分离概念及模型。
第二章介绍了噪声的特性，提出了基本的噪声监测方法；在查阅了有关噪声测量标准的基础上，针对盲分离(BSS)技术的特点，设计机械噪声监测与故障诊断系统的方案。
第三章介绍了基于最小互信息量(MMI)的盲源分离理论及其算法，并用C++实现了该算法，对该算法进行了仿真研究，得到了令人满意的信号分离效果。
第四章分析了基于最大熵的盲源分离(ME)原理与算法，并将其与基于最小互信息量(MMI)算法进行比较；随后，应用多个实例进行仿真研究，对分离效果进行了分析。
第五章分析了机械故障诊断系统结构与功能，阐述了“多机组状态监测与故障诊断”网络系统的解决方案、软硬件功能与结构及其实现，并设计基于盲分离(BSS)技术的噪声监测诊断软件模块。
第六章总结全文的工作，指出信号盲分离技术的应用局限性及其改进方向；同时，分析了其他技术为辅助手段应用可能性，展望了机械噪声故障诊断系统的发展方向。
Based on the "Study on Faulty Diagnosis over Mechanical Noises Based on Blind Source Separation"(Nature Science Fund Project of Zhejiang Province, No. 5001004), this paper researches on techniques of mechanical noises monitoring and fault diagnosis. Theory of Blind Source Separation and its application in the field of faulty diagnosis are analyzed, and some simulations are carried through. This paper also studies the structure and its important modules of the fault Monitoring and Diagnosis System for large rotating machinery, which was developed by our research group.
In the first chapter, the developmental actuality and its trends in the field of fault monitoring and diagnosis on mechanicals are expressed. Principles and actuality inside and outside country of noises diagnosis on mechanicals are analyzed. Some problems of this method are issued. Then, the concept and mathematic model of BSS are introduced aimed at these problems. Some applications and research works inside and outside China are set forth.
In the second chapter, the characteristics of noises are introduced. Some basic methods of supervision and monitoring are issued. On the basis of some guideline about measurement, the method of construction of faulty monitoring system on mechanical noises is brought forward aiming at requirement of BSS.
In the third chapter, the article emphasized on the one of two kinds of mature BSS arithmetic, that is, BBS arithmetic based on Minimum Mutual Information. The flow chart of this arithmetic are given, and some simulations on imitate signals are worked out. Then, the results of BSS are expressed.
In the fourth chapter, the other kind of BSS arithmetic, which is based on Maximum Entropy, are discussed. These two kinds of arithmetic are compared. After then, several simulations and results are demonstrated.
In the fifth chapter, some research works are done on the system of faulty diagnosis. Precepts of monitoring and faulty diagnosis system on large rotary equipments are figure out. Its hardware configuration and software modules are discussed. The sub-system of BSS on faulty diagnosis over noises is designed briefly.
In the last chapter, all of the works in this dissertation are summed up. Some limits and improvement in application of BSS are figured out. The future research of BSS on faulty diagnosis over mechanical noises is prospected.
引文
[1] 钟秉林，黄仁．机械故障诊断学．机械工业出版社，1997年
[2] 蔡进．大型设备状态监测与故障诊断技术—现状与发展．动态分析与测试技术，1996年第3期
[3] 虞和济．设备故障诊断技术的现状及其发展．基础自动化，1996年第5期
[4] 夏松波，张嘉钟，徐世昌，张礼勇．旋转机械故障诊断技术的现状与展望．振动与冲击，1997年第2期
[5] 胡静波．应用噪声信号进行设备状态监测及故障诊断．武汉水利电力大学学报，1998年6月，第2期
[6] 程道来，吴茜，吕庭彦，陈栋．国内电站故障诊断系统的现状及发展方向．动力工程，1999年2月，第1期
[7] 伍奎．机械设备故障诊断技术的现状与展望．重庆石油高等专科学习校报，1999年第1卷
[8] 李造鼎，李锡润，虞和济．故障诊断的声学方法．冶金工业出版社，1989年9月，第一版
[9] Chang-Zhi Wu, Hua Yan, Jian-Fen Ma. Method research of noise diagnosis based on fuzzy neural network. Signal Processing 2(1370～1373), 1998
[10] 杨叔子，郑晓军．人工智能与诊断专家系统．西安交通大学出版社，1990年6月，第1版
[11] 时爱明，李兆华．旋转设备的故障诊断及处理方法．冶金设备，2000年12月，第6期，37～39
[12] 同淑荣，张安华，邹艳，陈德元．机械故障诊断的人工神经网络方法．振动工程学报，1996年11月，第6期
[13] 葛藤，宫镇，王仲章．齿轮及齿轮箱噪声、振动研究的现状．噪声与振动控制，1989年2月，第1期
[14] 荆双喜，赵玉峰，王建生．用噪声对提升机减速箱进行故障诊断．煤矿机械，1994年第3期
[15] 陈慕忱，张翔．自适应除噪技术在滚动轴承诊断中的应用．武汉水运学院学报，1991年12月，第4期
[16] 张晓冬．日本、瑞典的噪声研究及控制现状．世界劳动安全卫生动态，1990年第6期
[17] 任文堂．噪声控制技术和设备的发展现状和展望．应用声学，1999年4月
[18] 汤和，刘胜利，朱梦周．振动噪声谱的自动分析与识别．振动工程学报，1993年9月，第3期
[19]李建秋，欧阳明高．汽车发动机瞬时转速信号的小波分析．中国机械工程，1999年5月，50～55
[20]任明章，连小珉，蒋孝煜．齿轮箱噪声故障诊断专家系统的研究与开发．清华大学学报(自然科学版)，1996年第36卷，第8期，66～71
[21]马晓强，童陆园，葛俊等．电气设备噪声的实时监测与故障诊断．电力学报，1999年第14卷，第1期，1～4
[22]胡政，陈循，温熙森．机械噪声故障诊断中小波变换的应用．振动与冲击，1997年第4期
[23]赵升吨，史维祥．机械压力机噪声产生的机理及其特性研究．噪声与振动控制，1996年12月，第6期
[24]夏德荣．噪声振动控制技术及产品德现状和前景．噪声与振动控制，1997年2月，第1期
[25]吴荫六．煤矿机械齿轮箱噪声产生机理和主噪声源识别．煤矿机械，1994年第3期
[26]刘日明，王爱民，王东炬，丛凤廷．准高速机车牵引齿轮传动噪声、振动测试及信号分析．大连铁道学院学报，1995年12月，第4期
[27]王淑文，郎淑秀，候国新．机械噪声源的频域分析与识别．计量检测，1994年第3期
[28]袁光海．浅析柴油机噪声产生原因及降噪途径．四川通信技术，1994年第2期
[29]陈述．圆柱齿轮传动噪声产生根源简析．太原重型机械学院学报，1995年9月，第3期
[30]陈明秋．传动比对齿轮增速传动撞击噪声影响的研究．机械研究与应用，1996年第1期
[31]黄其柏，师汉民，卢文祥，杨叔子，吴佳常．齿轮啮合噪声辐射特性研究．农业机械学报，1993年12月，第4期
[32]耿遵敏，毛映红，宋孔杰．大、中型柴油机动态诊断的实用途径与策略．振动、测试与诊断，1997年12月，第4期
[33]梁应敞，张贤达，李衍达．噪声中的谐波恢复研究现状．电子科学学刊，1995年7月，第4期
[34]M.P.诺顿著．工程噪声和振动分析基础．航空工业出版社，1993年9月，第1版
[35]何勇．现场识别多个声源原信号的研究．中国纺织大学学报，1997年第2期，14～20
[36]舒大文，廖伯瑜．用振动和噪声信号诊断汽车变速箱齿轮故障的研究．昆明理工大学学报，1997年8月，54～61
[37]黄其柏．复杂噪声源层次诊断方法及其在风机中的应用研究．风机技术，1997年12月，13～16
[38]杨霞菊，刘稚均，李华彪．频谱识别的一般方法．噪声与振动控制，1997年8月，10～11
[39]张绍栋，孙家麟．声级计的原理和应用．计量出版社，1986年3月，第一版
[40]俞靖，陈仲仪，王学礼．一种近场机器多噪声源的定位方法．机电工程，1997
[41]周湛学，王斌．应用FFT功率谱分析机床噪声信号．河北机电学院学报，1998年第15卷，第1期，31～35
[42]王晓芳，孙尚民，余祖俊，史红梅．用于振动噪声分析的模糊神经网络故障诊断测试仪的研制．北方交通大学学报，1998年8月，97～101
[43]曾其勇，张克仁．用相干功率谱识别主噪声源．山东矿业学院学报，1998年12月，351～354
[44]张晓明，朱鲁闯，韩震宇．一种机器噪声声功率级自动检测方法．四川联合大学学报，1999年1月，66～71
[45]战嘉恺，吕玉恒，张翔．噪声与振动控制技术现状及发展．中国环保产业，1995年4月
[46]周新祥，李海东．空压机噪声源的数学模型建立．鞍山钢铁学院学报，1999年4月，65～68
[47]沈松，应怀樵，刘进明．用小波变换识别机械故障中的通过振动．振动与冲击，1999年第2期，1～4
[48]卢学军，魏智．变速箱噪声的频谱分析与故障诊断．振动与冲击，1999年第2期，75～78
[49]苏荣华，李宝金，邵华．大型机械噪声源的模糊综合评判．辽宁工程技术大学学报，1999年10月，507～509
[50]刘明新，屈振生，华庆松．一种分析机械噪声的方法．煤矿机械，1999年第7期，40～42
[51]邓小君，杨自明．谈谈齿轮传动中的减振降噪．水利电力机械，2000年第3期，23～25
[52]刘广璞，黄晋英，潘宏侠．某军用柴油机噪声测试与分析．华北工学院测试技术学报，2000年第3期，196～200
[53]刘天雄，郑明刚，朱继海，陈兆能．基于双谱分析的设备状态监测研究．振动与冲击，2000年第3期，37～39
[54]邵忍平，沈允文，孙进才．齿轮传动加速度噪声辐射机理研究．机械强度，2000年12月，310～311
[55]黄礼文，王宗培．电动机噪声理论和控制技术的进展．电工技术学报，2000年10月，34～38
[56]徐玉秀，邢钢，原培新．基于声辐射逆问题的故障诊断与噪声分析的研究．噪声与振动控制，2000年12月，26～30
[57]蒋孝煜、连小珉．声强技术及其在汽车工程中的应用．清华大学出版社，2001年
[58]伍学奎，陈进，钟平，钟振茂，秦恺．贯流式风机噪声实验研究．机械科学与技术，2001年3月
[59]杨江天，陈家骥，曾子平．基于高阶谱的旋转机械故障征兆提取．振动工程学报，2001年3月
[60] 夏利霞．变速传动轴承的噪声分析．冲击、振动与噪声，1991年第5期
[61] 袁建畅．拖拉机变速箱异常噪声的逆频谱诊断与排除．西北纺织工学院学报，1992年第4期，39～43
[62] 王忠能．本艇噪声监测原理及系统设计．声学与电子工程，1993年第2期，13～18
[63] 陈循，唐丙阳，温熙森，田江红．汽车起动电机异常噪声监测系统的设计原理．数据采集与处理，1995年3月，56～60
[64] 陈雪丽．单片机实时监测系统—噪声及有害气体的检测．工业控制计算机，1996年第1期，40～41
[65] 魏化军，郭正超．道路交通噪声自动监测系统初探．环境监测管理与技术，2000年12月，40～41
[66] 彭利宁，陈启买．基于PC声卡噪声监测系统设计．电机电器技术，2001年第1期
[67] Shun-Ichi Amari, Andrzej cichocki. Adaptive blind signal processing-Neural Network approaches. Proc. IEEE, October 1998
[68] Alexei Gorokhov, Philippe Loubaton. Blind identification of MIMO-FIR systems: A generalized linear prediction approach. Signal Processing 73(105～124), 1999
[69] Horn R, Johnson C. Matrix Analysis. Cambridge U.K, Cambridge Univ. Press, 1985
[70] Bin-Chul Lhm, Dong-Jo Park. Blind separation of sources using higher-order cumulants.Signal Processing 73(267～276), 1999
[71] Howard Hua Yang, Shun-ichi Amari. Adaptive online learning algorithms for blind separation: Maximum Entropy and Minimum Mutual Information. Neural Computation 9(1457～1482),1997
[72] Anthony J. Bell, Terrence J. Sejnowski. An Information-Maximization approach to blind separation and blind deconvolution. Neural Computation 7(1129～1159), 1995
[73] Pierre Comon. Independent component analysis, A new concept?.Signal Processing 36(287～314), 1994
[74] Christian Jutten, Jeanny Herault. Blind separation of Source, Part Ⅰ: An adaptive algorithm based on neuromimetic architecture. Signal Processing 24(1～10), 1991
[75] Pierre Comon. Blind separation of sources, Part Ⅱ: Problems statement. Signal Processing 24(11～20), 1991
[76] E. Sorouchyari. Blind separation of sources, Part Ⅲ: Stability analysis. Signal Processing 24(21～29), 1991
[77] Lang Tong, Ruey-wen,Yih-Fang Huang. Indeterminacy and identifiablity of blind identification. IEEE Transactions On Circuits And Systems, Vol. 38, NO. 5,May 1991
[78] G. Gelle, M. Colas,G. Delaunay. Blind source separation applied to rotation machines monitoring by acoustical and vibrations analysis. Mechanical Systems and Signal Processing, 14(3) 427～442,2000
[79] Howard Hua Yang, Shun-ichi Amari, Andrzej Cichocki. Information-theoretic approach to blind separation of sources in non-linear mixture. Signal Processing 64(291～300),1998
[80] Alexander Ypma, Amir Leshem, Robert P. W. Duin. Blind separation of rotation machine source bilinear forms and convolutive mixtures. Neurocomputing-Special Issue on ICA/BSS,2002
[81] Adriana Dapena, Lusi Castedo. Stochastic gradient adaptive algorithms for blind source separation. Signal Processing 75(11～27), 1999
[82] Jean-Francois Cardoso, Beate Hvam Laheld. Equivariant adaptive source separation. IEEE Transactions On Signal Processing, Vol. 44, NO. 12, December 1996
[83] Stuart A, Ord J K. A novel eigenanalysis method for direction estimation. IEEE Proc.,137(19～26), 1990
[84] Belouchrani A, Abed-Meraim K, Cardoso J F, Mouline E. A blind source separation technique using second-order statistics. IEEE Trans. Signal Processing 45(434～444), 1997
[85] Dinh-Tuan Phan. Blind separation of instantaneous mixture of based on order statistics. IEEE Transactions On Signal Processing, Vol. 48, NO. 2, February 2000
[86] Vicente Zarzoso, Asoke K. Nandi. Adaptive blind sources separation for virtually source probability density function. IEEE Transactions On Signal Processing, Vol. 48, NO. 2, February 2000
[87] 谭丽丽，韦岗．卷积混叠信号的最小互信息量盲分离算法．通信学报，1999年10月，第10期
[88] 殷勤业，蒋伯峰．频率选择性衰落信道中的信号盲估计方法．西安交通大学学报，200年8月，第8期
[89] 汪仪林，殷勤业，金梁，姚敏立．利用信号的循环平稳特性进行空间源数估计．西安交通大学学报，1999年5月，第5期
[90] 周玉凡，杨道田．信号盲分离的统计准则．电信技术研究，2000年第6期
[91] 赵青，胡波等．非理想信道多用户数字信号的盲分离．电子学报，1999年1月，第1期
[92] 李远清，张丽清，刘永清．一种奇异混合信号盲分离算法的稳定性分析．系统工程与电子技术，1999年，第21卷，第10期
[93] 张贤达，保铮．通信信号处理．国防工业出版社，2000年12月，第1版
[94] 冯大政，史维祥．一种自适应信号盲分离和盲辨识的有效算法．西安交通大学学报，1998年5月，第5期
[95] 虞晓，胡光锐．基于统计估计的盲信号分离算法．上海交通大学学报，1999年5月，第5期
[96] 虞晓，胡光锐．基于FIR神经网络的非线性盲信号分离．上海交通大学学报，1999年9月
[97] 谭丽丽，韦岗．多输入多输出盲解卷问题的最大熵解法．电子学报，2000年1月
[98] 汪军，何振亚．基于高阶谱的信号盲分离．东南大学学报，1996年9月，第5期
[99] 汪军，何振亚．瞬时混叠信号盲分离．电子学报，1997年4月，第4期
[100] Eric Moreau. A generalization of joint-diagonalization criteria for source separation. IEEE Transactions On Signal Processing, Vol. 49, NO. 3, March 2001
[101] Xianhua Dai. A new blind separation method of convolutive mixture of regular signal based on hidden representation and system deconvolution. Signal Processing 81(173～182), 2001
[102] 闻新，周露等．MATLAB应用程序接口用户指南．科学出版社，2001年
[103] 张贤达．现代信号处理．清华大学出版社，1995年
[104] 代劲松，宋素芳，佟德纯．基于灰色理论德电站机组状态监测与故障诊断方法．1993年12月，第4期，380～385
[105] 罗森林，王越，周思永．多源信息处理技术—数据融合．系统工程与电子技术，1998年第6期
[106] 苏惠敏，张明廉．多传感器检测系统的分布式数据融合．北京航空航天大学学报，1999年6月，第3期，347～350
[107] 王敏，王万俊，熊春山等．基于多传感器数据融合的故障诊断技术．华中科技大学学报，2001年2月，第2期
[108] 覃祖旭，张洪钺．信息融合的一般过程及在故障诊断中的应用．测试技术，1999年第14卷，第3期
[109] 黄建军．基于WEB的多机组状态监测与诊断系统的研制与开发．浙江大学硕士学位论文，2001年
[110] 董建军．多机组分布式网络化监诊系统的研制与开发．浙江大学硕士学位论文，2001年
[111] 刘玫，张卫宁，王海莉．基于工控机的集散式远程测控系统．电子测量与仪器学报，1996年9月，第3期，55～59
[112] 杨勇，钟秉林．大型机组的远程分布式工况监测．制造业自动化，1999年8月，第21卷第4期
[113] 李维．Delphi 5.X分布式多层应用(系统篇)．机械工业出版社，2000年
[114] 萨师煊，王珊．数据库系统概论．高等教育出版社，2000年
[2] 蔡进．大型设备状态监测与故障诊断技术—现状与发展．动态分析与测试技术，1996年第3期
[3] 虞和济．设备故障诊断技术的现状及其发展．基础自动化，1996年第5期
[4] 夏松波，张嘉钟，徐世昌，张礼勇．旋转机械故障诊断技术的现状与展望．振动与冲击，1997年第2期
[5] 胡静波．应用噪声信号进行设备状态监测及故障诊断．武汉水利电力大学学报，1998年6月，第2期
[6] 程道来，吴茜，吕庭彦，陈栋．国内电站故障诊断系统的现状及发展方向．动力工程，1999年2月，第1期
[7] 伍奎．机械设备故障诊断技术的现状与展望．重庆石油高等专科学习校报，1999年第1卷
[8] 李造鼎，李锡润，虞和济．故障诊断的声学方法．冶金工业出版社，1989年9月，第一版
[9] Chang-Zhi Wu, Hua Yan, Jian-Fen Ma. Method research of noise diagnosis based on fuzzy neural network. Signal Processing 2(1370～1373), 1998
[10] 杨叔子，郑晓军．人工智能与诊断专家系统．西安交通大学出版社，1990年6月，第1版
[11] 时爱明，李兆华．旋转设备的故障诊断及处理方法．冶金设备，2000年12月，第6期，37～39
[12] 同淑荣，张安华，邹艳，陈德元．机械故障诊断的人工神经网络方法．振动工程学报，1996年11月，第6期
[13] 葛藤，宫镇，王仲章．齿轮及齿轮箱噪声、振动研究的现状．噪声与振动控制，1989年2月，第1期
[14] 荆双喜，赵玉峰，王建生．用噪声对提升机减速箱进行故障诊断．煤矿机械，1994年第3期
[15] 陈慕忱，张翔．自适应除噪技术在滚动轴承诊断中的应用．武汉水运学院学报，1991年12月，第4期
[16] 张晓冬．日本、瑞典的噪声研究及控制现状．世界劳动安全卫生动态，1990年第6期
[17] 任文堂．噪声控制技术和设备的发展现状和展望．应用声学，1999年4月
[18] 汤和，刘胜利，朱梦周．振动噪声谱的自动分析与识别．振动工程学报，1993年9月，第3期
[19]李建秋，欧阳明高．汽车发动机瞬时转速信号的小波分析．中国机械工程，1999年5月，50～55
[20]任明章，连小珉，蒋孝煜．齿轮箱噪声故障诊断专家系统的研究与开发．清华大学学报(自然科学版)，1996年第36卷，第8期，66～71
[21]马晓强，童陆园，葛俊等．电气设备噪声的实时监测与故障诊断．电力学报，1999年第14卷，第1期，1～4
[22]胡政，陈循，温熙森．机械噪声故障诊断中小波变换的应用．振动与冲击，1997年第4期
[23]赵升吨，史维祥．机械压力机噪声产生的机理及其特性研究．噪声与振动控制，1996年12月，第6期
[24]夏德荣．噪声振动控制技术及产品德现状和前景．噪声与振动控制，1997年2月，第1期
[25]吴荫六．煤矿机械齿轮箱噪声产生机理和主噪声源识别．煤矿机械，1994年第3期
[26]刘日明，王爱民，王东炬，丛凤廷．准高速机车牵引齿轮传动噪声、振动测试及信号分析．大连铁道学院学报，1995年12月，第4期
[27]王淑文，郎淑秀，候国新．机械噪声源的频域分析与识别．计量检测，1994年第3期
[28]袁光海．浅析柴油机噪声产生原因及降噪途径．四川通信技术，1994年第2期
[29]陈述．圆柱齿轮传动噪声产生根源简析．太原重型机械学院学报，1995年9月，第3期
[30]陈明秋．传动比对齿轮增速传动撞击噪声影响的研究．机械研究与应用，1996年第1期
[31]黄其柏，师汉民，卢文祥，杨叔子，吴佳常．齿轮啮合噪声辐射特性研究．农业机械学报，1993年12月，第4期
[32]耿遵敏，毛映红，宋孔杰．大、中型柴油机动态诊断的实用途径与策略．振动、测试与诊断，1997年12月，第4期
[33]梁应敞，张贤达，李衍达．噪声中的谐波恢复研究现状．电子科学学刊，1995年7月，第4期
[34]M.P.诺顿著．工程噪声和振动分析基础．航空工业出版社，1993年9月，第1版
[35]何勇．现场识别多个声源原信号的研究．中国纺织大学学报，1997年第2期，14～20
[36]舒大文，廖伯瑜．用振动和噪声信号诊断汽车变速箱齿轮故障的研究．昆明理工大学学报，1997年8月，54～61
[37]黄其柏．复杂噪声源层次诊断方法及其在风机中的应用研究．风机技术，1997年12月，13～16
[38]杨霞菊，刘稚均，李华彪．频谱识别的一般方法．噪声与振动控制，1997年8月，10～11
[39]张绍栋，孙家麟．声级计的原理和应用．计量出版社，1986年3月，第一版
[40]俞靖，陈仲仪，王学礼．一种近场机器多噪声源的定位方法．机电工程，1997
[41]周湛学，王斌．应用FFT功率谱分析机床噪声信号．河北机电学院学报，1998年第15卷，第1期，31～35
[42]王晓芳，孙尚民，余祖俊，史红梅．用于振动噪声分析的模糊神经网络故障诊断测试仪的研制．北方交通大学学报，1998年8月，97～101
[43]曾其勇，张克仁．用相干功率谱识别主噪声源．山东矿业学院学报，1998年12月，351～354
[44]张晓明，朱鲁闯，韩震宇．一种机器噪声声功率级自动检测方法．四川联合大学学报，1999年1月，66～71
[45]战嘉恺，吕玉恒，张翔．噪声与振动控制技术现状及发展．中国环保产业，1995年4月
[46]周新祥，李海东．空压机噪声源的数学模型建立．鞍山钢铁学院学报，1999年4月，65～68
[47]沈松，应怀樵，刘进明．用小波变换识别机械故障中的通过振动．振动与冲击，1999年第2期，1～4
[48]卢学军，魏智．变速箱噪声的频谱分析与故障诊断．振动与冲击，1999年第2期，75～78
[49]苏荣华，李宝金，邵华．大型机械噪声源的模糊综合评判．辽宁工程技术大学学报，1999年10月，507～509
[50]刘明新，屈振生，华庆松．一种分析机械噪声的方法．煤矿机械，1999年第7期，40～42
[51]邓小君，杨自明．谈谈齿轮传动中的减振降噪．水利电力机械，2000年第3期，23～25
[52]刘广璞，黄晋英，潘宏侠．某军用柴油机噪声测试与分析．华北工学院测试技术学报，2000年第3期，196～200
[53]刘天雄，郑明刚，朱继海，陈兆能．基于双谱分析的设备状态监测研究．振动与冲击，2000年第3期，37～39
[54]邵忍平，沈允文，孙进才．齿轮传动加速度噪声辐射机理研究．机械强度，2000年12月，310～311
[55]黄礼文，王宗培．电动机噪声理论和控制技术的进展．电工技术学报，2000年10月，34～38
[56]徐玉秀，邢钢，原培新．基于声辐射逆问题的故障诊断与噪声分析的研究．噪声与振动控制，2000年12月，26～30
[57]蒋孝煜、连小珉．声强技术及其在汽车工程中的应用．清华大学出版社，2001年
[58]伍学奎，陈进，钟平，钟振茂，秦恺．贯流式风机噪声实验研究．机械科学与技术，2001年3月
[59]杨江天，陈家骥，曾子平．基于高阶谱的旋转机械故障征兆提取．振动工程学报，2001年3月
[60] 夏利霞．变速传动轴承的噪声分析．冲击、振动与噪声，1991年第5期
[61] 袁建畅．拖拉机变速箱异常噪声的逆频谱诊断与排除．西北纺织工学院学报，1992年第4期，39～43
[62] 王忠能．本艇噪声监测原理及系统设计．声学与电子工程，1993年第2期，13～18
[63] 陈循，唐丙阳，温熙森，田江红．汽车起动电机异常噪声监测系统的设计原理．数据采集与处理，1995年3月，56～60
[64] 陈雪丽．单片机实时监测系统—噪声及有害气体的检测．工业控制计算机，1996年第1期，40～41
[65] 魏化军，郭正超．道路交通噪声自动监测系统初探．环境监测管理与技术，2000年12月，40～41
[66] 彭利宁，陈启买．基于PC声卡噪声监测系统设计．电机电器技术，2001年第1期
[67] Shun-Ichi Amari, Andrzej cichocki. Adaptive blind signal processing-Neural Network approaches. Proc. IEEE, October 1998
[68] Alexei Gorokhov, Philippe Loubaton. Blind identification of MIMO-FIR systems: A generalized linear prediction approach. Signal Processing 73(105～124), 1999
[69] Horn R, Johnson C. Matrix Analysis. Cambridge U.K, Cambridge Univ. Press, 1985
[70] Bin-Chul Lhm, Dong-Jo Park. Blind separation of sources using higher-order cumulants.Signal Processing 73(267～276), 1999
[71] Howard Hua Yang, Shun-ichi Amari. Adaptive online learning algorithms for blind separation: Maximum Entropy and Minimum Mutual Information. Neural Computation 9(1457～1482),1997
[72] Anthony J. Bell, Terrence J. Sejnowski. An Information-Maximization approach to blind separation and blind deconvolution. Neural Computation 7(1129～1159), 1995
[73] Pierre Comon. Independent component analysis, A new concept?.Signal Processing 36(287～314), 1994
[74] Christian Jutten, Jeanny Herault. Blind separation of Source, Part Ⅰ: An adaptive algorithm based on neuromimetic architecture. Signal Processing 24(1～10), 1991
[75] Pierre Comon. Blind separation of sources, Part Ⅱ: Problems statement. Signal Processing 24(11～20), 1991
[76] E. Sorouchyari. Blind separation of sources, Part Ⅲ: Stability analysis. Signal Processing 24(21～29), 1991
[77] Lang Tong, Ruey-wen,Yih-Fang Huang. Indeterminacy and identifiablity of blind identification. IEEE Transactions On Circuits And Systems, Vol. 38, NO. 5,May 1991
[78] G. Gelle, M. Colas,G. Delaunay. Blind source separation applied to rotation machines monitoring by acoustical and vibrations analysis. Mechanical Systems and Signal Processing, 14(3) 427～442,2000
[79] Howard Hua Yang, Shun-ichi Amari, Andrzej Cichocki. Information-theoretic approach to blind separation of sources in non-linear mixture. Signal Processing 64(291～300),1998
[80] Alexander Ypma, Amir Leshem, Robert P. W. Duin. Blind separation of rotation machine source bilinear forms and convolutive mixtures. Neurocomputing-Special Issue on ICA/BSS,2002
[81] Adriana Dapena, Lusi Castedo. Stochastic gradient adaptive algorithms for blind source separation. Signal Processing 75(11～27), 1999
[82] Jean-Francois Cardoso, Beate Hvam Laheld. Equivariant adaptive source separation. IEEE Transactions On Signal Processing, Vol. 44, NO. 12, December 1996
[83] Stuart A, Ord J K. A novel eigenanalysis method for direction estimation. IEEE Proc.,137(19～26), 1990
[84] Belouchrani A, Abed-Meraim K, Cardoso J F, Mouline E. A blind source separation technique using second-order statistics. IEEE Trans. Signal Processing 45(434～444), 1997
[85] Dinh-Tuan Phan. Blind separation of instantaneous mixture of based on order statistics. IEEE Transactions On Signal Processing, Vol. 48, NO. 2, February 2000
[86] Vicente Zarzoso, Asoke K. Nandi. Adaptive blind sources separation for virtually source probability density function. IEEE Transactions On Signal Processing, Vol. 48, NO. 2, February 2000
[87] 谭丽丽，韦岗．卷积混叠信号的最小互信息量盲分离算法．通信学报，1999年10月，第10期
[88] 殷勤业，蒋伯峰．频率选择性衰落信道中的信号盲估计方法．西安交通大学学报，200年8月，第8期
[89] 汪仪林，殷勤业，金梁，姚敏立．利用信号的循环平稳特性进行空间源数估计．西安交通大学学报，1999年5月，第5期
[90] 周玉凡，杨道田．信号盲分离的统计准则．电信技术研究，2000年第6期
[91] 赵青，胡波等．非理想信道多用户数字信号的盲分离．电子学报，1999年1月，第1期
[92] 李远清，张丽清，刘永清．一种奇异混合信号盲分离算法的稳定性分析．系统工程与电子技术，1999年，第21卷，第10期
[93] 张贤达，保铮．通信信号处理．国防工业出版社，2000年12月，第1版
[94] 冯大政，史维祥．一种自适应信号盲分离和盲辨识的有效算法．西安交通大学学报，1998年5月，第5期
[95] 虞晓，胡光锐．基于统计估计的盲信号分离算法．上海交通大学学报，1999年5月，第5期
[96] 虞晓，胡光锐．基于FIR神经网络的非线性盲信号分离．上海交通大学学报，1999年9月
[97] 谭丽丽，韦岗．多输入多输出盲解卷问题的最大熵解法．电子学报，2000年1月
[98] 汪军，何振亚．基于高阶谱的信号盲分离．东南大学学报，1996年9月，第5期
[99] 汪军，何振亚．瞬时混叠信号盲分离．电子学报，1997年4月，第4期
[100] Eric Moreau. A generalization of joint-diagonalization criteria for source separation. IEEE Transactions On Signal Processing, Vol. 49, NO. 3, March 2001
[101] Xianhua Dai. A new blind separation method of convolutive mixture of regular signal based on hidden representation and system deconvolution. Signal Processing 81(173～182), 2001
[102] 闻新，周露等．MATLAB应用程序接口用户指南．科学出版社，2001年
[103] 张贤达．现代信号处理．清华大学出版社，1995年
[104] 代劲松，宋素芳，佟德纯．基于灰色理论德电站机组状态监测与故障诊断方法．1993年12月，第4期，380～385
[105] 罗森林，王越，周思永．多源信息处理技术—数据融合．系统工程与电子技术，1998年第6期
[106] 苏惠敏，张明廉．多传感器检测系统的分布式数据融合．北京航空航天大学学报，1999年6月，第3期，347～350
[107] 王敏，王万俊，熊春山等．基于多传感器数据融合的故障诊断技术．华中科技大学学报，2001年2月，第2期
[108] 覃祖旭，张洪钺．信息融合的一般过程及在故障诊断中的应用．测试技术，1999年第14卷，第3期
[109] 黄建军．基于WEB的多机组状态监测与诊断系统的研制与开发．浙江大学硕士学位论文，2001年
[110] 董建军．多机组分布式网络化监诊系统的研制与开发．浙江大学硕士学位论文，2001年
[111] 刘玫，张卫宁，王海莉．基于工控机的集散式远程测控系统．电子测量与仪器学报，1996年9月，第3期，55～59
[112] 杨勇，钟秉林．大型机组的远程分布式工况监测．制造业自动化，1999年8月，第21卷第4期
[113] 李维．Delphi 5.X分布式多层应用(系统篇)．机械工业出版社，2000年
[114] 萨师煊，王珊．数据库系统概论．高等教育出版社，2000年