机械设备故障诊断技术对设备运行安全、效率有重要意义。运用工作声音进行故障诊断,已变成机械故障诊断领域发展的重要方向。机械设备运行发生异常时,会产生多种声音信号。借助信号处理方法将各种声音信号分离出来,将其转变为独立的信号源而提取故障信息,从而能对机械故障进行精确诊断。盲分离技术能够在噪声环境下和多声源混叠情况下对源信号进行分离和识别,为噪声背景下机械设备状态检测和故障诊断提供解决方案。因此,本文基于常见的两类盲分离问题:正定盲分离和欠定盲分离,分别提出了基于神经网络的线性盲分离算法和基于最小二乘法的欠定盲分离算法,并对其有效性展开机械系统的故障诊断验证。全文主要研究内容如下:(1)基于神经网络的线性盲分离算法提出了自适应和小脑模型两种线性神经网络的盲分离算法(SALNN-BSS和CMAC-BSS);分别建立了结构模型和求解算法;对仿真混叠信号的性能系数进行对比,结果表明:在分离效果方面,SALNN-BSS和CMAC-BSS都能对混叠信号进行良好的分离,恢复的源信号波形良好,但CMAC-BSS分离误差更小,对信号的分离更为迅速,稳定误差更小,更加适合用于盲分离故障识别。(2)基于最小二乘法的欠定盲分离算法将最小二乘法和欠定盲分离技术特点相结合,提出了基于最小二乘法欠定盲分离算法(LSM-UBSS),确定了该算法的操作步骤。通过推导分析,从理论上证明了该算法解的唯一性,采用该算法分别分离稀疏和非稀疏语音混叠信号,构建了它们的混叠模型和混叠矩阵。比较了源信号和分离信号的信噪比,结果表明该算法无论是在稀疏还是非稀疏语音混叠信号分离方面都十分有效。(3)冰蓄冷陈列柜故障信号的盲分离技术应用基于冰蓄冷陈列柜原理和常见故障,搭建了陈列柜的故障诊断实验系统,完成了电路设计和触摸屏控制界面等的设计。采用该系统对陈列柜的轴流风叶故障、轴流风叶和水泵同时故障进行了诊断;对比SALNN-BSS和CMAC-BSS算法对相关故障信号的分离能力,结果表明:CMAC-BSS恢复源信号精度更高,识别故障效果更佳,识别故障实时性更好。(4)发动机噪声信号的盲分离技术应用搭建了发动机噪声测试实验平台,测试出发动机运行时的多种声音信号;采用传统最大熵盲分离算法(ME-BSS)和CMAC-BSS两种分离算法分别对发动机噪声和外界的干扰噪声进行分离,实验结果表明CMAC-BSS分离效果比ME-BSS好,可以把发动机噪声和外界噪声很好地分离出来。同时用CMAC-BSS对发动机异响故障进行了诊断,结果表明CMAC-BSS可以从中获得发动机运行过程中的故障信号。(5)救生舱CO2空调故障信号的欠定盲分离技术应用分析了矿井救生舱重要组成CO2空调系统常见故障信号(振动信号和噪声信号)的特点,设计并搭建了故障信号测试平台。采用LSM-UBSS,分别对已知和未知故障数目情形下的系统故障信号进行分离,探讨了分离误差。结果表明:LSM-UBSS在已经知道故障数目的情况下,能诊断CO2空调系统故障;在未知故障数目的情况下,预先使用减法聚类估计混叠矩阵,再用LSM-UBSS算法,也能有效识别出故障源信号的数目,有效恢复故障源信号。