石江波 ，杨兆建 ，郭伟杰 ，李 峰

1 引言

转子系统是旋转机械的核心部件，在工程实际中应用广泛，而转子系统是否能够正常运行与生产、安全息息相关，传统的故障诊断方法都是以分析振动信号作为诊断的手段，信号过于单一。运用振动信号及电机电流信号相融合的分析方法可充分利用两种信息改善传统方法故障识别率不高，并能识别区分传统方法不易区分的几种转子系统故障[1-2]。

文献[3]结合小波包能量谱分析和共振解调法，将其用于声发射信号的特征能量提取中。文献[4]在轴承的故障诊断中运用小波包分解提取信号的能量谱，再用包络分析得到功率谱。文献[5]在航空发动机转子实验器上模拟了碰摩故障，运用小波包分解提取特征向量，运用支持向量机法进行训练测试并进行故障识别。文献[6]运用谐波小波包技术提取特征向量，提高了转子故障识别准确率。文献[7]采集转子同一截面不同方向的振动信号结合小波包络解调及全矢谱数据融合技术对旋转机械调制信号进行分析，得出的结果优于基于全矢谱的传统包络解调分析。文献[8]提取电机电流信号，运用小波包方法提取信号特征能量谱，再运用BP神经网络实现对转子系统扭矩激励的识别。文献[9]为解决轴承故障诊断中特征量提取困难问题，提出了基于小波包与奇异值分解的GA-SVM滚动轴承故障诊断方法。文献[10]建立汽车发动机故障诊断贝叶斯网络，利用贝叶斯网络进行信息融合完成其故障诊断目标。……