机床与液压

作者：王金东，马智超，赵海洋，李彦阳，张宇

单位：东北石油大学机械科学与工程学院；东北石油大学机械科学与工程学院；东北石油大学机械科学与工程学院；东北石油大学机械科学与工程学院；东北石油大学机械科学与工程学院

关键词：往复压缩机;欠定盲源分离;K均值聚类;粒子群算法;分段正交匹配追踪

基金：黑龙江省自然科学基金项目（LH2021E021）;黑龙江省重点研发计划项目（JD2023SJ23）

在当前信号的盲源分离中，传统“两步法”易陷入局部最优解，并且其准确率会随采集信号数的增加或稀疏性的降低而大幅下降。针对上述问题，提出一种结合K均值-粒子群（K-PSO）和分段正交匹配追踪（StOMP）的稀疏分量分析方法。对采集信号执行K均值聚类算法，将产生的结果反馈至PSO聚类中估计混合矩阵。在获得混合矩阵后，将其源信号矩阵转化成列数为1的向量，再通过分段正交匹配追踪算法重构源信号。将实测的往复压缩机正常信号和3种单一故障信号混合成2种复合故障信号，并对复合故障信号进行试验验证。结果表明：在计算时间方面，相较模糊C均值聚类（0.335 s）和K均值聚类（0.299 s），尽管K-PSO聚类方法牺牲了一部分效率（1.561 s），但在总体角度偏差和归一化均方根误差方面表现更优，具有更好的估计精度；相较最短路径法（0.123 s），StOMP算法同样牺牲效率（2.031 s），却获得更佳的相关系数和均方根误差，表现更好的分离重构能力。这说明，该方法在盲源分离中具有可行性和实际应用价值。

来源：2025年第3期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第3期