段晨东，高 强

(1.长安大学 电子与控制工程学院，西安 710064;2.长安大学 汽车学院，西安 710064)

机械设备的故障特征往往被噪声淹没，信号具有较强的非平稳性，需要采用有效的时频分析信号处理方法分离和提取［1］。短时Fourier变换(STFT)、Wigner-Ville分布(WVD)和小波变换(WT)是目前常用的时频分析方法，在故障诊断中取得了较好的效果［2］。但它们有自身的不足，STFT的窗函数一旦选定，时间和频率分辨率被固定下来，缺乏细化功能［3］。WVD分析多分量信号时，其交叉项是不可避免的［4，5］。WT的时频窗口大小是可变的，但其分解和重构依赖小波基函数的选择，如何根据信号特征选择基函数仍然是应用中的难题［6，7］。2009 年，Yan［8］提出了一种时频分析的新方法——频率切片小波变换(Frequency Slice Wavelet Transform，FSWT)，在汲取STFT和WT的优点的基础上，通过引入频率切片函数使传统的Fourier变换实现了时频分析功能，另外，逆变换克服了小波变换依赖指定小波函数重构信号的缺陷，可以灵活地实现信号的滤波和分割。Yan［8］也从理论上证明了在一定条件下，这种变换可以转化为 Fourier变换、STFT、WVD、Gabor变换和Molet小波变换。本文为了提取设备的故障特征，提出了基于FSWT的特征提取方法。首先采用FSWT分解振动信号，得到在全频带的时频分布。在此基础上根据其能量分布，选择时间和频率切片区间进行FSWT细化分析，通过分割和重构得到选定区间的时频特征，有效地获取了故障的特征信息，在某炼油厂空气分离压缩机齿轮箱摩擦故障诊断中取得了较好的效果。

1 基于频率切片小波变换原理……

登录APP查看全文