陆中函，马建仓

（西北工业大学 电子信息学院，陕西 西安 710129）

现代飞机发动机工作条件复杂，负荷大，状态变化频繁，加之系统结构的复合性，使得发动机的故障机理和故障表现也多种多样。飞机发动机故障检测与诊断是保证发动机始终处于安全、可靠的状态，延长发动机使用寿命的重要举措，对于保证飞行安全和降低飞机维护费用具有重要的意义。

传统的飞机发动机故障监测诊断方法是对发动机的振动信号进行傅里叶变换，选取某些特征频率的幅值来进行监测诊断。但发动机出现故障时的振动信号往往具有非平稳特性[1]，傅里叶变换是信号整个时域内的积分没有局部化分析信号的功能，进而无法表述信号的时频局域特性，不适合非平稳信号的分析。20世纪80年代发展起来的小波理论是一种多尺度的时频分析方法，它继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的时间—频率窗口，是进行非平稳信号时频分析和处理的有力工具[2-3]。

近年来，随着小波理论的发展，Jun Yao，Yuan-Ting Zhang[4]等提出的一种基于生物模型的自适应时频分析方法——仿生小波变换（Bionic Wavelet Transform：BWT）[5]。人耳是相当完美的声音信息采集和处理器，而对声音的接收和频率分解则主要在内耳耳蜗的基底膜上进行。基底膜对于信号的分辨能力随着频率的不同而发生变化，对低频的分辨力要高于高频的分辨力[6]。通常，飞机发动机等机械元件的故障振动信号具有冲击衰减波形的特点，而Morlet小波是左右两边都按指数衰减的对称小波，采用Morlet小波可以与信号实现较好的匹配。……