附件C：譯文

基于小波變換技術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合而成，其中前者應用離散小波變換技術后者應用模糊邏輯原理。一般來說,這個方法在旋轉機械故障診斷中依賴于有經(jīng)驗的技術人員。然而,對旋轉機械運作在一個復雜和嘈雜的環(huán)境中，應用傳統(tǒng)的診斷技術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。
關鍵詞：故障診斷系統(tǒng)、小波變換技術、模糊邏輯原理、振動信號
1.介紹
齒輪傳動系統(tǒng),廣泛用于旋轉機械。如在汽車動力系統(tǒng)中。因此，有許多的分析技術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,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(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。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。結果表明,在白噪聲背景下去噪聲技術十分有效。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可以有效的發(fā)現(xiàn)故障情況中弱脈沖信號。