基于解析小波变换的奇异性检测和特征提取

　　　　庞　　茂，周晓军，胡宏伟，孟庆华

　　　　（浙江大学机械与能源工程学院，浙江杭州３１００２７）

摘要：为提高信号奇异性检测的精度和故障特征提取的有效性，利用信号和噪声的小波变换模极大值沿尺度方向的不同传播特性，提出了一种通过解析小波极大模重构进行信号奇异性检测和滤噪的方法，并将解析小波分析引入机械故障诊断中．分别采用实小波极大模和解析小波极大模分析汽车主减速器性能试验机上采集的几种故障振动信号，并进行主减速器故障诊断．试验结果表明，解析小波极大模相比实小波极大模具有更好的奇异性检测效果．能够突出故障特征，从而有效提高故障诊断的准确性．

关键词：解析小波；特征提取；奇异性；主减速器　　　　

中图分类号：ＴＮ９１１．６：ＴＢ５３３．１　　　　文献标识码：Ａ　　　　文章编号：１００８－９７３Ｘ（２００６）１１－１９９４－０４

　　　　　　　　　　　　Ｓｉｎｇｕｌａｒｉｔｙ　ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ｆｅａｔｕｒｅ　ｅｘｔｒａｃｔｉｏｎ　ｂａｓｅｄ　ｏｎ

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　ａｎａｌｙｔｉｃ　ｗａｖｅｌｅｔ　ｔｒａｎｓｆｏｒｍ

　　　　　　　　　　　　　　　　　　　　ＰＡＮＧ　Ｍａｏ，　ＺＨＯＵ　Ｘｉａｏ－ｊｕｎ，　ＨＵ　Ｈｏｎｇ－ｗｅｉ，　ＭＥＮＧ　Ｑｉｎｇ－ｈｕａ

　　　　　　　　　　　　　　　　（Ｃｏｌｌｅｇｅ　ｏｆ　Ｍｅｃｈａｎｉｃａｌ　ａｎｄ　Ｅｎｅｒｇｙ　Ｅｎｇｉｎｅｅｒｉｎｇ，　Ｚｈｅｊｉａｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，　Ｈａｎｇｚｈｏｕ　３１００２７，　Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：　Ａ　ｓｉｎｇｕｌａｒｉｔｙ　ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ｄｅｎｏｉｓｉｎｇ　ｍｅｔｈｏｄ　ｂａｓｅｄ　ｏｎ　ａｎａｌｙｔｉｃ　ｗａｖｅｌｅｔ　ｔｒａｎｓｆｏｒｍ　（ＡＷＴ）　ａｎｄｓｉｇｎａｌ　ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ　ｗａｓ　ｐｒｏｐｏｓｅｄ　ｔｏ　ｉｍｐｒｏｖｅ　ｔｈｅ　ａｃｃｕｒａｃｙ　ｏｆ　ｓｉｇｎａｌ　ｓｉｎｇｕｌａｒｉｔｙ　ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ｔｈｅ　ｅｆｆｉｃｉｅｎｃｙｏｆ　ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ．　Ａｃｃｏｒｄｉｎｇ　ｔｏ　ｔｈｅ　ｄｉｆｆｅｒｅｎｃｅ　ｏｆ　ｐｒｏｐａｇａｔｉｏｎ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｏｆ　ｗａｖｅｌｅｔ　ｔｒａｎｓｆｏｒｍ　ｍｏｄｕｌｕｓｍａｘｉｍｕｍ　（ＷＴＭＭ）　ｏｆ　ｓｉｇｎａｌ　ａｎｄ　ｎｏｉｓｅ　ａｌｏｎｇ　ｔｈｅ　ｓｃａｌｅ　ｄｉｒｅｃｔｉｏｎ，　ｓｉｇｎａｌ　ｄｅｎｏｉｓｉｎｇ　ａｎｄ　ｆａｕｌｔ　ｆｅａｔｕｒｅ　ｅｘｔｒａｃ－ｔｉｏｎ　ｗｅｒｅ　ｒｅａｌｉｚｅｄ．　Ｓｉｎｇｕｌａｒｉｔｙ　ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ｄｅｎｏｉｓｉｎｇ　ｂａｓｅｄ　ｏｎ　ＡＷＴ　ｗａｓ　ａｐｐｌｉｅｄ　ｔｏ　ｔｈｅ　ｖｉｂｒａｔｉｏｎ　ｓｉｇｎａｌｓｏｆ　ｒｕｎｎｉｎｇ　ｍａｃｈｉｎｅｓ．　Ｓｉｇｎａｌｓ　ｓａｍｐｌｅｄ　ｕｎｄｅｒ　ｓｅｖｅｒａｌ　ｃｏｎｄｉｔｉｏｎｓ　ｉｎ　ａ　ｍａｉｎ　ｒｅｄｕｃｅｒ　ｐｅｒｆｏｒｍａｎｃｅ　ｔｅｓｔ　ｂｅｄ　ｗｅｒｅａｎａｌｙｚｅｄ，　ａｎｄ　ｔｈｅ　ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ　ｏｆ　ｔｈｅ　ｍａｉｎ　ｒｅｄｕｃｅｒ　ｗａｓ　ｃｏｎｄｕｃｔｅｄ　ｂｙ　ａｎａｌｙｔｉｃ　ＷＴＭＭ　ａｎｄ　ｒｅａｌ　ＷＴＭＭｒｅｓｐｅｃｔｉｖｅｌｙ．　Ｅｘｐｅｒｉｍｅｎｔａｌ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ｓｉｎｇｕｌａｒｉｔｙ　ｄｅｔｅｃｔｉｏｎ　ｕｓｉｎｇ　ｔｈｅ　ｍｏｄｕｌｕｓ　ｍａｘｉｍｕｍ　ｏｆ　ａｎａｎａｌｙｔｉｃ　ｗａｖｅｌｅｔ　ｉｓ　ｂｅｔｔｅｒ　ｔｈａｎ　ｔｈａｔ　ｏｆ　ａ　ｒｅａｌ　ｗａｖｅｌｅｔ，　ａｎｄ　ｔｈａｔ　ｔｈｅ　ｆａｕｌｔ　ｆｅａｔｕｒｅ　ｃａｎ　ｂｅ　ｄｉｓｔｉｎｇｕｉｓｈｅｄ　ｍｏｒｅｏｂｖｉｏｕｓｌｙ　ａｎｄ　ａｃｃｕｒａｔｅｌｙ．

Ｋｅｙ　ｗｏｒｄｓ：　ａｎａｌｙｔｉｃ　ｗａｖｅｌｅｔ；　ｆｅａｔｕｒｅ　ｅｘｔｒａｃｔｉｏｎ；　ｓｉｎｇｕｌａｒｉｔｙ；　ｍａｉｎ　ｒｅｄｕｃｅｒ