张世雄 蔡艳平 石林锁 王 旭

火箭军工程大学，西安，710025

0 引言

受旋转部件和往复运动部件的惯性作用力影响，内燃机系统的激励与响应呈现出非线性、非平稳性的特征，因此，在旋转机械设备状态监测与故障诊断中的许多成熟技术不能很好地推广到内燃机故障诊断中去。如何从复杂多变的系统响应中提取故障信息并对其进行准确识别，一直是相关研究的热点与难点。

目前，利用时频表征方法将内燃机振动信号生成时频图像来进行模式识别已得到广泛的应用和认可。文献[1]通过对小波降噪后的非平稳信号进行短时傅里叶变换(STFT)，实现对主轴振动特征的准确提取。文献[2]将小波包振动谱图像用于柴油机故障诊断实例，达到了较高的识别率。此外，魏格纳时频分布[3]、自适应最优核时频分布[4]以及S变换[5-6]在振动谱图像生成方面也得到广泛的研究。其中，S变换是在STFT和小波变换(WT)的基础上发展而来的，不仅弥补了STFT中单一分辨率的问题，而且保留了小波变换所不具备的相位信息[7]。然而，将一维函数映射为一个二维函数后，在二维平面上往往会存在信息的冗余[8]。离散广义S变换可利用二维平面上的离散栅格实现对原信号的重构，不仅可消除信号处理中的信息冗余，而且可以提高时频图像的聚集性。

图像特征提取是模式识别中的关键环节，将主成分分析技术[9]用于机械设备的故障诊断获得了广泛的研究。文献[10]提出的二维主成分分析(2DPCA)避免了将图像矩阵转化成向量进行处理的问题，使运算更加便捷。……