胡航宇，张 云

(1.武汉理工大学 机电工程学院,湖北 武汉 430070;2武汉理工大学 建材行业回转窑检测技术中心,湖北 武汉 430070)

水泥回转窑是建材行业的主要生产设备，其运行工况复杂，具有长期运转和高温重载等特点。为了保证水泥厂的经济效益，回转窑需要处于长期健康稳定的运行工况。托轮的运行状况决定了回转窑是否能长时间正常运行[1]。在已知的回转窑故障类型中，筒体中心线的偏移和筒体热弯曲变形均可引起托轮振动[2]。张云等[3-4]通过建立托轮动力学模型，并进行数值仿真分析，确定了故障特征频率与故障源之间的关系，为研究托轮振动信号的处理方法提供了理论基础。

托轮振动信号是由多种故障源共同作用引起的非线性、非平稳信号，如何有效提取信号中的特征频率成为关键问题。Huang等[5]提出了经验模态分解(empirical mode decomposition, EMD)，它是一种自适应的信号时频分析方法。该方法平稳化处理信号，逐层地分解信号中存在的不同尺度的波动，生成一组特征模态函数(intrinsic mode function, IMF)，其具有不同特征尺度。相较于传统方法，EMD消除了许多无物理意义的简谐波，使信号分析更灵活方便。张云等运用EMD方法处理托轮振动信号[4]和筒体外轮廓信号[6]，分析筒体的故障类型。然而，EMD方法没有严密的理论基础，且受自身算法以及原始信号频率特性的影响，分解的结果可能会出现模态混叠现象。针对EMD方法存在的不足，Gilles[7]结合小波分析理论和EMD的自适应性优势，提出经验小波变换(empirical wavelet transform,EWT)方法。……