Abstract
本論文研究主要以適應濾波技術消除機械振動之干擾雜訊，純化機械振動信號，做為機械系統故障診斷監測之指標。在此討論三種適應濾波器結構，分別為橫向適應濾波器(transversal adaptive filter) ，格網式適應濾波器 (lattice adaptive filter) 與伽瑪適應濾波器 (gammaadaptive filter)，其中橫向適應濾波器屬於 FIR濾波器先天具有良好的穩定性(stability)，但需使用較多參數，才能有較長的脈衝響應，應用在預測估計上誤差才會減少格網式適應濾波器屬於 IIR濾波器，對於非平穩(nonsta- tionary)信號有良好追蹤能力，但穩定性限制其功能發揮伽瑪適應濾波器較易控制其穩定性，且具有 IIR濾波器之優點，可視為橫向適應濾波器及格網式適應濾波器兩者間的平橫點。濾波器的參數時移更新調整法則，使用 LMS演算法與 VVS演算法。 LMS演算法的優點不需計算信號的相關矩陣 (correlation matrix)，及其反矩陣，使演算法則結構簡單、計算快速。 VVS演算法基本上是以 LMS為架構之演算法，除了具 LMS演算法優點外，對於非平穩信號(nonsta- tionary signal) ，適應濾波器更具調整性，而能快速收斂。本論文將干擾雜訊分成單頻信號與寬頻信號分別討論模擬分析中，加入 250Hz、360Hz 兩個單頻弦波及隨機雜訊(random noise)，做為干擾雜訊。在實驗分析中，利用實際錄製之機械振動噪音做為寬頻干擾雜訊。從模擬分析結果及實驗分析結果，本論文所提之適應濾波器結構及其演算法則，均可把干擾雜訊壓抑，將原始振動信號還原。此結果證明了適應雜訊消除技術具發展的可行性。