唐振宇，黄凯，杨期江，朱晓彬

(广州航海学院船舶与海洋工程学院，广东广州 510725)

0 前言

在旋转机械转子系统的运行过程中，因受到测试环境、测试仪器和人为因素等影响，传感器所采集的振动信号易被噪声污染，且旋转机械结构复杂，振动信号往往由多个部件的振动叠加而成。转子振动信号具有非高斯、非平稳的特性。传统的信号处理方法对含有噪声的混叠信号进行分析时有明显不足，这也对机械的状态监测和故障诊断带来了巨大的困难。

传统的信号处理方法如小波分解、经验模态分解(Empirical Mode Decomposition,EMD)已被广泛应用于旋转机械振动信号分析，但对于含噪的混叠信号，上述方法仍存在明显不足。小波分解在对转子振动信号分析时存在以下问题:(1)小波分解层数的确定需要信号的频率结构和采样频率等先验知识;(2)小波基和阈值的选择困难。经验模态分解也存在模态混叠和端点效应问题，导致基于EMD的方法效果不佳。改进的EMD方法如集合经验模态分解(EEMD)是将噪声辅助分析加在经验模态分解中，有效地抑制了模态混叠的现象，但无法完全消除混叠现象。因此对于信号的分解，应该根据信号本身的结构特点，自适应选择基函数完成信号的分解。1993年MALLAT和ZHANG提出了基于过完备字典对信号进行稀疏分解的思想，同时也提出了匹配追踪算法。2004年有学者建立了压缩感知理论(Compressing Sensing，CS)。压缩感知理论证明了信号在某个变换空间内具有稀疏性，可仅用少量数据保留信号的大部分特征，这样可以用远低于奈奎斯特采样定理要求的采样频率完成信号的重建恢复，这也将稀疏分解带到了一个新高度。……