陈柏言，李洪儒，安国庆,3，许葆华

(1.陆军工程大学，石家庄 050003;2.中国人民解放军638501部队，白城 137001；3.河北科技大学，石家庄 050018)

0 引 言

随着维修理论和相关技术的发展，以故障预测技术为核心的基于状态的维修，引起许多专家学者的重视[1]，准确地提取出设备的退化特征是故障预测的基础。超声波电动机(以下简称USM)是现代航空航天和新型军事装备领域具有广阔应用前景的新型微特电机[2]，其作为系统的动力输出来源，能否正常工作直接关系到整个系统的工作状态。因此，提取其退化特征对超声波电动机故障预测具有重要意义，从而保障整个系统的安全有效运转。

超声波电动机在运转过程中，其定子结构中的压电陶瓷受到相位相差90°两相高频电压的激励作用，转化为定子的高频振动并产生行波，电机转动主要依靠定子与转子之间通过摩擦材料所产生的摩擦力驱动[3]。由于压电陶瓷材料本身硬而脆的特性加之长时间受到高频电的激励作用，在电机运转时极易开裂，是导致电机故障的主要原因之一[4]。定子的振动出现异常是电机性能退化的直接表现，压电陶瓷上的孤极反馈电压信号能够反映定子的振动状态[5]，因此孤极信号中隐含着丰富的状态信息。

退化特征提取是实现超声波电动机故障预测的关键环节，所提取的退化特征性能直接影响故障预测的结果，信号处理的目的就是为了更好地揭示蕴含在原始信号中的潜在信息。小波变换和自适应时频分析的方法常用于故障诊断和故障预测领域，小波变换由于小波基与分解尺度需依靠人为经验来确定，至今仍未有明确的选择标准，造成其自适应性较差；……