基于小波包的旋转机械故障诊断[外文翻译].rar

附件C：译文

基于小波包的旋转机械故障诊断

0摘要
小波包提供了一种规范正交基库，因此可以以很多不同方式描述信号。本文介绍了一种选择规范正交基的方法，来描述用于旋转机械故障诊断的振动信号。所选择的基础是由局部故障和其它感兴趣的信号分量分别激起的代表性瞬间的两组基函数。该方法可以克服广泛使用的Coifman 和 Wickerhauser提出的用于在大背景中的瞬态振动检测的最优基算法的限制，并且在旋转机械故障诊断方面非常有效，特别是故障发展的早期阶段。除此之外，不同于其它现有的研究，该方法不需要训练样本，并且在实践中比较容易执行。在齿轮箱和轴承振动信号分析中的应用说明提出的方法优于最优基算法。
1引言
旋转机械涵盖了关键设施的广泛范围。在工业中，这些设备的故障诊断是非常重要的。振动分析是该任务的主要手段。它的成功在很大程度上决定于在振动信号处理中所使用的技术。
由于有与旋转特点直接关联的优势，频谱分析已是旋转机械振动分析最常用的信号处理工具。但是，尽管在很多情况中成功，健全的早期局部缺陷检测，例如变速齿轮箱中齿的开裂和滚动轴承元件表面剥落，仍然是一个棘手的问题。局部缺陷往往激起更多的局部组件成为背景振动。结果，选出的信号可能不仅有与旋转运动相关的谐波，还包括由于存在的缺陷产生的瞬变。频谱分析用于分析谐波是出色的，但对于处理瞬态是无效的，这是因为它以复指数而不是局部瞬态描述信号。为了更好地处理这类问题，发展了一些其它技术，例如峰态分析[1]，共振解调[2,3]，时域平均[1]等等。这些技术已经大大的提高了检测水平，但总有某种限制。例如，其中的一些可能需要通过带通滤波器以增强瞬态信号。很遗憾，这有时是困难的，因为可能不存在一个可靠的方式来知道瞬变频率的范围。
最近十年，在机械故障诊断领域，时频分析获得高度重视。特别是小波分析的最新进展提供了一套新的时频分析技术，且已证明其在瞬态检测中的强大作用。它们提供了极有前途的处理旋转机械局部检测的工具。由于其适应性强和计算效率高的优点，小波包变换（WPT）[4,5]已经成为几种研究最多的用于机械诊断的小波技术之一。它的效用被很多研究人员深入研究。仅举几个例子，在参考文献[6]中，Geng和Qu指出了通过频谱分析和魏格纳（Wigner-Ville）分布的WPT在处理旋转机械元件产生的瞬态振动的优势。文献[7]中，Liu等人描述了在不同条件下的振动信号使用不同的小波包矢量，以及在轴承疲劳检测中获得了好的结果。Yen和Lin[8]利用统计标准选择用小波包代表的特征，该特征可以显著提高轴承故障诊断中相关的神经网络分类器的性能。最近，Altmann和