罗仁泽，曹　鹏，代云中，付元华，赵发定，皇雅斌，杨　青

(1．西南石油大学电气信息学院，四川成都　610500；2．新疆西部明珠工程建设有限公司，新疆克拉玛依　834008)

0　引言

旋转机械故障诊断中，常遇到诸如瞬变、调幅或调频等非平稳、非线性信号，提取和分析这些信号中的特征信息是机械诊断的关键[1]。基于振动信号分析的振动状态监测一直依赖于将振动信号进行小波分析变换来实现。小波分析是把信号分解成低频和高频两部分，在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率。然而，小波分解中低频部分失去的信息由高频部分捕获，在下一层的分解中，只分解上一层的低频部分，保留上一层的高频部分。文献[2]是利用希尔伯特变换对振动信号进行平滑处理。文献[3]利用小波分析提取能量特征值实现对风机故障的诊断。在故障诊断方法上，文献[4]利用旋转机械旋转频率与故障频率对应的关系实现对机械故障的诊断。文献[5]通过建立隶属函数和确定模糊矩阵对引起异常故障的振动信号进行定性分析并找出引起故障的主要原因。为了克服小波分析存在的高频分辨率较低的问题，文中利用小波包分析处理非平稳和突变的振动信号，因为它可以提供更加精细的时频分辨率[6-8]。同时，利用已有故障样本对旋转机械采用模糊模式识别的方法进行故障诊断能有效发现故障征兆。……