摘要： 为准确分离识别电驱动总成的噪声源，提出一种集合经验模态(EEMD)与改进樽海鞘的独立分量分析(AESSAICA)方法。首先针对传统盲源分离方法存在收敛速度慢、分离精度低的问题，提出基于改进樽海鞘算法的盲源分离算法，提出自适应领导者数目的精英方向学习策略，其能够平衡全局探索和局部开发矛盾、加快收敛速度。其次通过仿真实验验证该方法比传统独立分量算法在分离效果上提升4.38 %，能够提高分离效率，提升分离结果质量；然后联合EEMD和AESSAICA算法提出的单通道盲源分离方法，同时验证其相似系数在0.96 以上；最后采用该方法分离识别电驱动主要噪声分量。结果表明上述方法能够有效识别电驱动各独立噪声源，通过减速器噪声实验验证最大分离误差为1.1 %，分离结果的准确性得到证明。

关键词: 声学, 电驱动动力总成, 噪声源识别, 樽海鞘算法, 盲源分离