附件C：譯文

基于小波包的旋轉(zhuǎn)機(jī)械故障診斷

0摘要
小波包提供了一種規(guī)范正交基庫，因此可以以很多不同方式描述信號(hào)。本文介紹了一種選擇規(guī)范正交基的方法，來描述用于旋轉(zhuǎn)機(jī)械故障診斷的振動(dòng)信號(hào)。所選擇的基礎(chǔ)是由局部故障和其它感興趣的信號(hào)分量分別激起的代表性瞬間的兩組基函數(shù)。該方法可以克服廣泛使用的Coifman 和 Wickerhauser提出的用于在大背景中的瞬態(tài)振動(dòng)檢測(cè)的最優(yōu)基算法的限制，并且在旋轉(zhuǎn)機(jī)械故障診斷方面非常有效，特別是故障發(fā)展的早期階段。除此之外，不同于其它現(xiàn)有的研究，該方法不需要訓(xùn)練樣本，并且在實(shí)踐中比較容易執(zhí)行。在齒輪箱和軸承振動(dòng)信號(hào)分析中的應(yīng)用說明提出的方法優(yōu)于最優(yōu)基算法。
1引言
旋轉(zhuǎn)機(jī)械涵蓋了關(guān)鍵設(shè)施的廣泛范圍。在工業(yè)中，這些設(shè)備的故障診斷是非常重要的。振動(dòng)分析是該任務(wù)的主要手段。它的成功在很大程度上決定于在振動(dòng)信號(hào)處理中所使用的技術(shù)。
由于有與旋轉(zhuǎn)特點(diǎn)直接關(guān)聯(lián)的優(yōu)勢(shì)，頻譜分析已是旋轉(zhuǎn)機(jī)械振動(dòng)分析最常用的信號(hào)處理工具。但是，盡管在很多情況中成功，健全的早期局部缺陷檢測(cè)，例如變速齒輪箱中齒的開裂和滾動(dòng)軸承元件表面剝落，仍然是一個(gè)棘手的問題。局部缺陷往往激起更多的局部組件成為背景振動(dòng)。結(jié)果，選出的信號(hào)可能不僅有與旋轉(zhuǎn)運(yùn)動(dòng)相關(guān)的諧波，還包括由于存在的缺陷產(chǎn)生的瞬變。頻譜分析用于分析諧波是出色的，但對(duì)于處理瞬態(tài)是無效的，這是因?yàn)樗詮?fù)指數(shù)而不是局部瞬態(tài)描述信號(hào)。為了更好地處理這類問題，發(fā)展了一些其它技術(shù)，例如峰態(tài)分析[1]，共振解調(diào)[2,3]，時(shí)域平均[1]等等。這些技術(shù)已經(jīng)大大的提高了檢測(cè)水平，但總有某種限制。例如，其中的一些可能需要通過帶通濾波器以增強(qiáng)瞬態(tài)信號(hào)。很遺憾，這有時(shí)是困難的，因?yàn)榭赡懿淮嬖谝粋€(gè)可靠的方式來知道瞬變頻率的范圍。
最近十年，在機(jī)械故障診斷領(lǐng)域，時(shí)頻分析獲得高度重視。特別是小波分析的最新進(jìn)展提供了一套新的時(shí)頻分析技術(shù)，且已證明其在瞬態(tài)檢測(cè)中的強(qiáng)大作用。它們提供了極有前途的處理旋轉(zhuǎn)機(jī)械局部檢測(cè)的工具。由于其適應(yīng)性強(qiáng)和計(jì)算效率高的優(yōu)點(diǎn)，小波包變換（WPT）[4,5]已經(jīng)成為幾種研究最多的用于機(jī)械診斷的小波技術(shù)之一。它的效用被很多研究人員深入研究。僅舉幾個(gè)例子，在參考文獻(xiàn)[6]中，Geng和Qu指出了通過頻譜分析和魏格納（Wigner-Ville）分布的WPT在處理旋轉(zhuǎn)機(jī)械元件產(chǎn)生的瞬態(tài)振動(dòng)的優(yōu)勢(shì)。文獻(xiàn)[7]中，Liu等人描述了在不同條件下的振動(dòng)信號(hào)使用不同的小波包矢量，以及在軸承疲勞檢測(cè)中獲得了好的結(jié)果。Yen和Lin[8]利用統(tǒng)計(jì)標(biāo)準(zhǔn)選擇用小波包代表的特征，該特征可以顯著提高軸承故障診斷中相關(guān)的神經(jīng)網(wǎng)絡(luò)分類器的性能。最近，Altmann和