小波分析在旋转机械故障诊断中的应用
小波理论在滚动轴承故障诊断中的应用
ｈｔ： ｗｗ ｃＳ ．ｒ． ｔ ／ ｐ／ ｗ ． － ｏｇｃ －ａ ａ
汁 算 机 系 统 应 用
已广泛应 用于信 号及 图像处理 、 语音 处理、数值计算 、 模 式识别 、量子物理 、故障诊 断［等领域 ，被认为是 】 在工具和方法上 的重大突破 。 由基本 小波 或母小波 （ 通过伸缩 ａ和平移 ｂ产 ｆ ） 生一个 函数族称 ｛ （ ） ｆ 为小波 。有： ）
（） 原始信号 ａ （） 含噪信号 ｂ
率确定小波最大分解层数 。 ２ 对细节系数做相关分析 ，阈值选择可用 公式如 ）
下描述：
图 ｌ 信号时域 图
分别用上述两种方法对信 号进行消噪 处理 ，实验 结果分别见 图 ２ａ和 图 ２ｂ所示 。 （） （） 可 以看 出，用 小波 消噪对信 号 中的尖 峰和 突变部 分有着很好 的处理 ，而 Ｆ Ｔ滤波 消噪则不能对 有用信 Ｆ
留。因此分解层数 的选 择要使信噪比提 高的同时也要
考虑到对低频 噪声的抑制。小波降噪分 析实质 上是抑
制信号 中的无用成 份，恢复有用成份 的过程 ，因此小
波分解系数要 能够 反映有用 信号中的最小频 率成分 ， 将信号分解 到各个 独立的频带上，高层 的细节 系数反
映 了信号 的低频部 分，从而提 出由有用信 号的最小频
３ 利用处理后的细节信号和最后一层 的逼近 信号 ）
进行重构 ，得到降噪后的信号 。 ４ 二阶循环统 计量分析 ． ２
系数。通常，把 （ ≠ 的频率 称为信号 （ 的循 ｆ ０ ） ｆ ）
环频率 。循环 自相关函数与传统相关 函数 的区别是 ， 引入因子 ｅ ，使得 相关域分 析拓展到 循环相 关域 － 。 分析 中，这个加权因子 ｅ 被称为循环权重因子。
小波变换在机械故障信号检测中的应用
摘 要 ：小波 变换 由于具 有良好 的时 频局部特 性 ， 能够反映 信号 在局部 范 Ｉ １内的特 征 ，是机 械 故障诊断 中信号 突 变点检 测 的有 力工 具 。文 中阐述 了小波 变换 用于机械振 动信号 的突 变点检 测 以发现 机械 故 障的 方法 ，根 据 对振 动 信号小波 变换 的 系数模 极值 点来定位 突变 点 ，检 测机 械 故 障 。实 倒仿 真表 明 ，该 方法 可 以 发现 故 障机 械振 动 信号 带 有 的奇 异 性 ， 实现 机 械 的 故障 诊 断 。 关键词 ：小波 变换 故 障诊 断 信号奇异性 突变检翻 中图分类号 ：Ｔ ９ １ ２ Ｎ １ ．３ 文献标识码 ：Ａ 文章 编号 ：１ ７ — ９ ｘ ２ ０ ） ７ ａ 一 ０ ０ ６ ４ ０ ８ （ ０ ８ ０ （） ０ ９ － ２ ２
维普资讯
Ｓｃｉ ｎｃｅ ｅ ａｎｄ Ｔｅｃｈｎ Ｏｇｙ ｎｎ Ｏｆ ｆ ｏｖａｔｏｎ ｉ Ｈｅｒ ｌ ａｄ
垫Ｑ
Ｑ：
工 业 技 中 的应 用
戴 巨龙 （ 口市知识产权 服务 中心 海南海 口 海 ５ ０ ２ ７ ０ ） １
在 机 械 故 障 诊 断 中 ，对 突变 信 号 的 检 测 是一 个 重 要 的研 究 课 题 【１ ｌ。故 障 通 常 表 现为输 出信 号发生突变 ，长期 以来 ，Ｆ ｕ ｉ ｏｒｒ ｅ 变 换 是检 测 信 号 突 变 点 的主 要 工具 ，其 方 法是 研究 信号 在 Ｆ Ｕｒ ｅ Ｏ ｉ ｒ变换域 的衰 减 以 推 断 是 否 具 有 突 变 及 突 变 点振 幅 的 大 小 。 但 Ｆ ｕ ｉｒ 换缺 乏空 间局 部性 ，它只 能确 ｏ ｒｅ 变 定一 个信 号 突 变 的 整 体 性 质 ，而 难 以 确 定 突变 点在 空 间的 位 置 及 分 布 情 况 。 经过 改 进以后 的短时 Ｆ ｕ ｉ ｒ ｏ ｒｅ 分析 ，具备 了时频 局 部化 特 性 ，但 信 号 的 时 间 分辨 率 和 频 率 分 辨 率 受 所 选 时 窗 函 数 的 制 约 ，难 以满 足可 变分 辨 率 和 高 分 辨 率 信 号分 析 的要 求 。 小 波变 换 具 有 空 间局 部化 性 质 ，能 够把 任 何 信 号 映 射 到 由一 个 基 小 波 伸缩 、 平移 而 成 的一 组 基 函数 上 ，实 现 信 号 在 不 同 频 带 ， 不 同时 刻 的 合 理 分 离 ，这种 分 离 相 当于 同 时 使 用 一 个 低 通 滤 波 器 和一 个 带 通 滤 波 器 而 不 丢 失 原始 信 息 【１ 因此 ，利 用小 波 变 ２。 换 来 分 析 机 械 故障 过 程 中输 出信 号 的 突 变 及 突 变 点 位 置 和 突 变 点振 幅 的 大 小 是 比 较 则称 ｆ ） 在点 ｔ 是 Ｌ ｐ ｃ ｉ 的 。 ０ ｉｓｈｔ ｚ 由此可 以看 出 ，Ｌ ｐ ｃ ｉｚ指数刻 画 了 ｉｓｈｔ 函数 ，ｆ （ 在点 ｔ 的奇异性 。Ｌ ｐ ｃ ｉｚ ） ｉ ｓ ｈ ｔ 指数 ａ
基于小波多分辨分析的试飞中发动机转静子碰摩故障检测及诊断
基于小波多分辨分析的试飞中发动机转静子碰摩故障检测及诊断符娆;陈钊;左思佳【摘要】In allusion to the rotor-stator rubbing signal of aeroengine in flight test, firstly the original signal was denoised by wavelet threshold method, and the result shows that the saltation information of fault characteristics was remained while the high-frequency noise was filtered out effectively;then the denosied signal was processed by wavelet multi-resolution analysis. The result by time-frequency analysis shows that it has the capability to enhance the efficiency and precision rate of trouble-shooting.So the method that was mentioned in this paper provides an effective approach to real-time fault monitoring with the actual flight loads for the future.%针对试飞中发动机振动异常现象，采集发动机关键部位机匣振动信号，首先应用小波阈值方法对原始振动信号进行降噪处理，有效的滤除了高频噪声干扰，同时很好保留了故障特征信息；然后，对降噪后信号进行小波多分辨分析，得到信息无冗余、不遗漏、相互独立的各个子频带，这就使得故障信息浓缩化，位于某个频带的分解信号就只提供该频带中的机械动态信息，缩小了查找故障的范围，提高了故障检测及诊断的准确性、及时性，为今后真实飞行载荷下的实时故障监测提供一种有效途径。
小波分析在机械故障诊断中的应斥
以一个三层 的分解说 明小波包 分析 的原理 ，其小波
包分解 树如图 ２所示 。
厂 日
图 ２ 三层小波包分析树结构
Ａ表 示低 频 ．Ｄ表示高 频 ，数字 表示 分解 层数
信号 ｓ可 以被表 示 成 ｓ＝Ａ Ａ Ａ ＋Ｄ Ａ Ａ ＋Ａ Ａ Ｄ ＋
ＤＤＡ３＋ ＡＤＡ３＋ ＤＡＤ３＋ ＡＤＤ３＋ ＤＤＤ３
Ｐ（ （ ）＝ Ｉ － （） ｔ １ １ 厂 ｔｄ ｅ
（） 的傅里叶逆变换定义为 ：
．
信号分析技术相 比，小波分析还能在没 有明显损失 的情
况下 ，对信号进行消噪和压缩 ，是经典傅 立叶分 析的重
大突破 。
－￡＝１ （） 厂 ） 幽 （ Ｉ
小波分析源于信号分析 中函数 的伸缩 和平移。它是
小波包 的主要优点是小波包可 以对信 号的高频 部分
做更加细致 的刻画 ，对信号 的分析 能力更强 ，当然其代
价是信号 分析 的计算量将显著上升
测点 １
测点 ２
图 ３ 风机传动示意图
四、傅 里 叶分析 与小 波 分析 在故 障 诊 断 中的应用
目前 已有的故障诊 断技 术 ，大都采用傅 里叶变换 进 行信号分析 ，但是傅里叶分 析存在时域和频域 局部 化的 矛盾 ，缺乏空间局部性 ，而且傅 里叶分析 是以信号 平稳
维普资讯
自 与 测ＡｏｎｌＭｉｉ 控 监 ｕｃｔ＆ｏｏｇ ｔ ｎｒ ｏｒ ｔｎ ｏ
运行ｓ直甩１ ｌ ＮＩ ：
小 波 分 析 在 机 械 故 障 诊 断 中 的应 用
河南理工大学 （ 河南 ４４０ ） 华 ５ ０ ３ 伟
【 要 】 分析傅里叶变换及小波变换在机械故障诊 断中的应用及局限性，并用实例说 明用傅里叶变 摘
基于小波分析的轴承故障诊断和分析
可 靠 的 ， 以 实现 轴 承 故 障 的 精确 诊 断 。 可
２ 小 波分 析 的理 论 基础 将 任 意 Ｌ （ 空 间 中 的 函 数 ｚ（） 小 波 基 下 进 行 展 开 ， Ｒ） ｔ在 称
作 函 ｚ ｔ 的 连续 小 波 变换 （ 称 Ｃ ） 其 表 达 式 为 （） 简 ＷＴ ，
４ ２
基 于 小波 分 析 的轴 承故 障诊 断 和分 析
基于小波分析的轴承故障诊断和分析
Ｆ ｕｔ Ｆ ａ ｕ ｅ ｏ ａ ｉｇ Ｂａ ｅ ｎ Ｗ ａ ｅｅ ａｌｓｓ ａ ｄ ａ ｌ ｅ ｔ ｒ ｆＢｅ ｒ ｓ ｄ ｏ ｎ ｖ ｌｔＡｎ ｙ ｉ ｎ Ｄｉｇｎ ｓｓ ａ ｏ ｉ
试 验 对 象 为安 装 在 减 速 机 轴 端 的 圆锥 滚 子 轴 承 ，减 速 机外
形 如 图 １ 示 。 轴 承 型号 为 ３ ２ ７ 其 结 构如 图 ２所 示 ， 构参 所 ３０ ， 结 数如 表 １ 示 。 所
一 ⑨
图 １ 减 速 机 外 形 图 图 ２ 圆 锥滚 子 轴 承 的 结构
化 氖 法是 将 尺度 按幂 级 数进 行 离散 化 ，即 取 ａ ＝ ｍ （ 为整数 ， ｍ
ａ≠１ 一般 取 ａ＝ ）对 ｂ进 行 均匀 离 散取 值 ， ｎ ， ｏ２ ， 以覆 盖整 个 时 间轴
（ 了不 丢失 信息 ， 求 满足 采样 定 理 ） 这样 小 波基 函数 变 为 ： 为 要 ，
ｋｎ ｆｔｐｃ ｌ ａｔｅ ａｄｎ ｈ ｉ ａ ｌｆａｕｅ ｅ ｔ ｃｉｎ ａ ｄ ｒｐｅ ｅ ｔｔ ｎａ ｌａ ｕ ｇ ｎ ｉｄ ｏ ｙ ｉａ ｐ ｒｒｇ ｒ ｉｇ ｔｅｒ Ｆ ｕｔ ｅ ｔｒ ｘｒ ｔ ｎ ｅ ｒｓ ｎａｉ ．ｓ ｗｅｌ ｓｊｄ ｍｅ ｔ ， ｓ ａ ｏ ｏ
小波—BP神经网络在旋转机械故障诊断中的应用
１ 小 波分 析 及 小 波 包
传统 的基于平 稳过 程 的经 典信 号处理 无法 同时兼
顾信 号在 时域 和频域 中的 全貌 和 局 部化 特 征 ， 这些 而 局部 化 的特 征恰恰 是故 障 的表 现 。而小 波包具 有将 随
第２ ７卷第 ｌ 期 ２１ ０ １年 ２月
电 子 机 械 工 程
Ｅｌ ｃｒ ｅ ｔ ｏ—Ｍ ｅ ｈ ｎ ｃ ｌＥｎ ｉ ｅ ｒｎ ｃ ａ ｉ ａ ｇ ｎ ｅ ｉ ｇ
Ｖ Ｉ２ ． ． ｏ ＇ ７ Ｎｏ １ Ｆ ｂ ２ ｌ ｅ ．０ ｌ
小波一Ｂ Ｐ神经 网络在旋转机械故 障诊断 中的应用
对故 障信 号进 行 降噪 处理 ， 然后 运 用小波 包对信 号进 行 分解 和重 构 ， 取 各频 带能 量值 ， 该 能量值 作 提 将 为Ｂ Ｐ神 经 网络输入 端 的特 征 向量 ， 练 网络 进行 故障模 式识 别 。 实验表 明， 方法在 旋 转机 械故 障诊 训 该 断 中切 实可行 。 关键词 ： 转机械 ； 障诊 断 ； 旋 故 小波 分析 ； Ｐ神 经 网络 Ｂ 中图分 类号 ：Ｐ ８ Ｔ １３ 文献标 识码 ： Ａ 文 章编 号 ：０ ８— ３ ０ ２ １ ） ｌ ０ ５ ０ １０ ５ ０ （０ １ Ｏ 一 ０ ６— ４
引 言
旋转 机械 故障诊 断 是 一个 复杂 的 问题 ， 故 障 具 其 有 相似性 ， 并非线 性 可 分 ； 障 与征 兆 的关 系不 明确 ， 故 受 安装 、 运行等 因素 的影 响 ， 有 较 强 的模 糊 性 ， 而 具 从
给 现场诊 断带来 一定 的 困难 … 。
障信 号进行 分析 ， 网络输入 提供 故障特 征 向量 ， 为 然后 利用 特征 向量 和 故 障类 型建 立 Ｂ Ｐ神经 网络 ， 实 现 以 对旋 转机械 故 障模 式识 别 。
小波分析在故障诊断中的应用
小波分析在故障诊断中的应用摘要：小波分析技术具有多分辨率及良好的时域特性，为机械故障诊断提供了一条有效途径，本文以齿轮故障诊断为例，简要分析了小波分析技术在故障诊断中的应用。
关键词：小波分析；故障诊断；齿轮箱小波分析由于具有良好的时频局部化性能，已经在信号分析、图像处理、语音合成、故障诊断、地质勘探等领域取得一系列重要应用。
其多分辨率分析不仅应用于数字信号处理和分析、信号检测和噪声抑制，而且各种快速有效的算法也大大促进了小波分析在实际系统中的应用，使得小波及相关技术在通信领域中的应用也得到了广泛的研究，已逐步用于通信系统中的信号波形设计、扩频特征波形设计、多载波传输系统等。
被誉为数学显微镜的小波分析技术，为机械故障诊断中的非平稳信号分析、弱信号提取、信噪分离等提供了一条有效的途径，国内外近年来应用小波分析进行机械故障诊断的研究发展十分迅速，但就目前应用现状来看，还存在一些问题，限制了小波分析优良性质的发挥[1]。
一、小波分析理论小波分析方法具有对低频信号在频域里有较高分辨率，对高频信号在时域里也有较高的分辨率的特点，具有可调窗口的时频局部分析能力，弥补了傅立叶变换和快速傅立叶变换的不足。
目前，一般认为离散小波分析、多分辨率分析、连续小波分析及后来发展的小波包分析等都是小波理论的不同方面，是在小波理论发展的过程中不断繁衍产生的，这些方面都在故障诊断的应用中得到了体现。
㈠多分辨率分析小波分解相当于一个带通滤波器和一个低通滤波器，每次分解总是把原信号分解成两个子信号，分别称为逼近信号和细节信号，每个部分还要经过一次隔点重采样，再下一层的小波分解则是对频率的逼近部分进行类似的分解。
如此分解N次即可得到第N层(尺度N上)的小波分解结果。
在工程应用中，利用多分辨率分析可以对信号进行分解重构，不仅可以达到降噪的的目的，还可以识别在含噪声信号中有用信号的发展趋势。
㈡小波包分析小波包分解是从小波分析延伸出来的一种信号进行更加细致的分析与重构的方法。
小波分析在农业机械故障诊断中的应用
（） １
１十 ２
式 中 ｍ ， ｍ 一 齿 轮 副 中 主动 轮 与从 动 轮 的质 量 ； ｌ ，
一
信 号 分 析 有 时 需 要 在 时 域 和 频 域 中展 开 ， 以往 的方 法使 用 传 统傅 立 叶 分 析 。 传 统 傅 立 叶分 析 中 ， 在 信 号 完 全 是 在频 域 展 开 的 ， 包 括 任 何 时域 的信 息 。 不 这 对 某些 应 用 是 很 恰 当 的 ， 因为 信 号 的频 率 的 信 息 是 非 常 重 要 的 。但 是 ，有 时 时 域 信 息 对 某 些 应 用 也
维普资讯
２０ ０ ８年 ３月
农 机 化 研 究
第 ３期
小 波 分 析 在 农 业 机 械 故 障 诊 断 中 的 应 用
刘 明涛 ，孙 斐
（常 州 轻 工 职 业 技 术 学 院 ， 江 苏 常 州 ２ ３ ６ １ １ ４）
摘 要 ：机 械 故 障 诊 断 中 常 用 的 方 法 之 一 是 信 号 分 析 。小 波 分 析 具 有 多 分 辨 率 分 析 和 时 频 定位 的 特 点 ，能 够 分 析 信 号 的局 部 特 征 。 利 用 小 波 分 析 可 以非 常准 确 地分 析 出 信 号 在 什 么 时 刻 发 生 畸变 ，显 示 信 号 的 局 部 特 征 ，有 助 于信 号 的 实 时 处 理 。 为 此 ，简 述 了小 波 分 析 的基 本 原 理 及 其 用 于 故 障 分 析 的机 理 ，并就 其 应 用
非 常 重 要 ，因此 人 们 对 傅 立 叶 分 析 进 行 了 推 广 ，在
沿 作 用 线 上 齿 轮 的相 对 位 移 ；
收 稿 日期 ： 作者 简介 ：
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
小波分析在旋转机械故障诊断中的应用
小波分析在旋转机械故障诊断中的应用
引言：
随着工业生产的发展，旋转机械在各个领域中得到了广泛应用，如船舶、飞机、汽车等。
然而，由于长期运转和复杂工况的影响，旋转机械故障常常会导致设备的停机和生产事故。
因此，旋转机械故障诊断成为了提高设备可靠性和效率的重要研究方向之一。
小波分析作为一种时间频率分析方法，已经在旋转机械故障诊断领域发挥了重要作用。
小波分析简介：
小波分析是一种同时分析时间和频率特性的信号处理方法。
它可以将复杂的非稳态信号分解为一系列时间和频率不同的小波基函数。
相对于传统的傅里叶变换方法，小波分析能够更好地捕捉信号的瞬时特征和频率变化。
小波分析在旋转机械故障诊断中的应用：
1. 故障特征提取：小波分析通过对旋转机械振动信号进行小
波分解，可以提取出信号中的瞬时频率、幅值和相位等信息。
这些信息能够帮助分析师识别旋转机械故障的特征频率和故障类型，如轴承故障、齿轮磨损等。
2. 故障诊断：小波包分析是小波分析的一种扩展方法，
它可以进一步提高信号分辨率和特征提取的效果。
通过将旋转机械振动信号进行小波包分解，可以获得更多的频率带宽和频率分辨率，进而提高故障诊断的准确性。
3. 故障监测：小波变换提供了一种有效的频率域监测方法。
通过对旋转机械振动信号进行小波分析，可以实时监测旋转机械的运行状态，并及时检测出故障的发生。
这种监测方法
可以有效地提醒操作人员进行设备维护和故障排除，从而减少停机时间和生产事故的发生。
小波分析在旋转机械故障诊断中的应用案例：
某工厂的离心风机在运行过程中出现了异常噪声和振动，为了找出故障原因并及时进行维修，工程师利用小波分析对风机振动信号进行了处理。
首先，工程师采集了风机振动信号，并将其进行小波分解，得到了频率和幅值变化的小波系数图。
通过观察小波系数图，工程师发现在特定的频率带宽内存在明显的异常频率成分，这可能是由于轴承故障导致的。
接着，工程师运用小波包分析进一步分析异常频率成分。
小波包分析提供了更细致的频率分辨率，帮助工程师更准确地确定故障频率。
经过分析，工程师最终确定风机的故障频率为100Hz。
最后，工程师对风机进行了维修和更换问题轴承，并重新测试振动信号。
经过维修后的风机振动信号中不再存在异常频率成分，证明故障已经解决。
结论：
小波分析作为一种重要的时间频率分析方法，在旋转机械故障诊断中发挥了重要作用。
它通过提取故障特征、进行故障诊断和实时监测，帮助工程师快速准确地确定故障原因，并及时进行维修。
随着小波分析方法的进一步发展和应用，相信在旋转机械故障诊断中可以取得更好的效果，并为提高设备可靠性和生产效率做出更大贡献
通过以上案例可以看出，小波分析在旋转机械故障诊断中具有重要的应用价值。
该方法通过对振动信号进行小波分解和
小波包分析，能够提取出频率和幅值变化的小波系数图，并准确确定故障频率。
通过对振动信号的分析，工程师能够迅速找出故障原因，进行及时维修和更换问题部件。
小波分析在旋转机械故障诊断中的应用，能够提高设备的可靠性和生产效率，从而为工厂的运行提供保障。
随着小波分析技术的不断发展和应用，相信在旋转机械故障诊断中能够取得更好的效果，为工程师提供更准确、可靠的故障诊断手段。