附件C：譯文

基于小波變換技術(shù)和模糊邏輯原理對振動信號分析進行齒輪故障的識別
Jian-Da Wu,Chuang-Chin Hsu
彰化大學(xué)車輛工程研究所,金德路，彰化市，彰化500，臺灣
摘要
本文描述了一個開發(fā)中的故障齒輪識別系統(tǒng)，通過利用離散小波變換技術(shù)和模糊邏輯推理采集實驗平臺中齒輪組的振動信號。該系統(tǒng)由信號特征提取和故障識別兩部分相結(jié)合而成，其中前者應(yīng)用離散小波變換技術(shù)后者應(yīng)用模糊邏輯原理。一般來說,這個方法在旋轉(zhuǎn)機械故障診斷中依賴于有經(jīng)驗的技術(shù)人員。然而,對旋轉(zhuǎn)機械運作在一個復(fù)雜和嘈雜的環(huán)境中，應(yīng)用傳統(tǒng)的診斷技術(shù)進行檢測還是有困難的。在目前的研究中, 采用離散小波變換形式應(yīng)用于齒輪實驗平臺是一套可行研究方案。而特征向量法是基于離散小波變換與能源光譜。進一步來說，該模糊邏輯推理制定的診斷規(guī)則的數(shù)據(jù)庫在本故障識別系統(tǒng)實驗工程中完成，以評估故障診斷齒輪組平臺運行條件下的各種實驗的效果。實驗結(jié)果表明所提出的專家系統(tǒng)有效地提高齒輪故障識別準確度。
關(guān)鍵詞：故障診斷系統(tǒng)、小波變換技術(shù)、模糊邏輯原理、振動信號
1.介紹
齒輪傳動系統(tǒng),廣泛用于旋轉(zhuǎn)機械。如在汽車動力系統(tǒng)中。因此，有許多的分析技術(shù)是用來防止嚴重的損傷機械系統(tǒng)。一般來說,機械瞬態(tài)信號元件因異常情況發(fā)生故障時，這些異常的瞬態(tài)信號可以用來識別故障。這種工況故障診斷技術(shù),主要是基于聲發(fā)射和振動信號在時域和頻域中的分析(Stander &Heyns,2002;Toutountzakis,Tan,&Mba,2005)，傳統(tǒng)上常規(guī)功率譜很難分析檢測瞬態(tài)信號。同時,一些更高級的研究正在使用時間平均分析(Oehlmann,Brie,Tomczak,&Richard,1997),功率譜分布分析、高階累積量的計算（Wuxing,Tse,Guicai,&Tielin,2004;Yesilyurt,2003),共振解調(diào)(Wang,2001), 連續(xù)小波變換(CWT)(Baydar&Ball,2003;Sung,Tai,&Chen,2000;Wang&Mcfadden,
1995;Zheng,Li,&Chen,2002)和離散小波變換(DWT)(Butler-Purry&Bagriyanik》
,2003)。1999年,Pasti和其他人（Pas ti,Walczak，Massart,&Reschiglian,1999), 提出了一個最優(yōu)參數(shù)對離散信號算法。這個方法分析信號中離散小波分解,包括分析信號分解、閾值估計和信號重構(gòu)。這個估計方法基于交叉選擇最佳的分解層數(shù)和最好的小波濾波器。結(jié)果表明,在白噪聲背景下去噪聲技術(shù)十分有效。此外,消音小波函數(shù)可以利用不同小波系數(shù)用來檢測鉆孔機的斷裂(Lee&Tarng,2000，Prabhakar,Mohanty,&Sekhar,2002年),分析脈沖信號，為其提取特征。小波分析技術(shù)提供了時間域的幅值和頻域信息，同時有去噪功能離散小波變換技術(shù)可以有效的發(fā)現(xiàn)故障情況中弱脈沖信號。