机械故障诊断学—小波分析.pptVIP

用完整功率谱曲线诊断设备的状态，虽然全面，但工作量大，也不便应用，常用的是它的以下几个特征参数： 概述 信号x（t）的傅里叶变换是： 它将信号在时域中的时间函数x(t)变换为频域中的频率函数（信号的频谱）X（w）。根据频谱变化识别设备状态在故障诊断领域占有非常重要的地位，应用很广泛。 从变换式可看出：傅里叶变换是对整个时域范围内求积，去掉了非平稳信号的时域信息，故傅里叶变换只能刻画信号的频率信息，不能同时提供信号时域上的信息。 但是，傅里叶变换反映的是信号的整体特性，不能识别信号的局部特征，所以只适合平稳信号的分析，有一定局限性。 实际上，大多数信号是非平稳的，我们还需要能分析信号局部特征的技术，即时频分析技术，包括：短时傅里叶分析，小波分析，Wigner谱分析等。 频谱分析与时频分析不同点： 频谱使我们确定那些频率成分存在； 时频使我们确定在某一确定的时间那些频率成分存在。 如何实现？ 短时傅里叶分析 式中，g(t)为窗函数， 为 平移参数，它的变动改变了窗函数在时间轴上的位置，可以使其遍历整个时域。信号被窗函数分成时间段后，再逐段进行傅里叶变换，得到的是时间与频率的二维函数，反映的是窗口内信号的局部特征（局部频谱）， 反映的是信号f(t)在时刻 ，频率为w的相对含量。 傅里叶分析 短时傅里叶变换缺点： 对含有复杂频率成分的信号，高频信号，时间分辨率相对高，窗口应相对窄；低频信号，时间分辨率低，窗口应相对宽。（STFT窗口大小、形状固定不变） 解决办法——需要尺度参数——小波变换突起（20世纪80年代） 小波分析是目前国际前沿领域，故障诊断中应用广泛。 小波函数 小波母函数必须是正负交替的衰减振荡波形。海尔函数是最早发现、最简单的。海尔小波母函数： 小波函数由母函数生成，加入尺度系数和平移系数。 离散的海尔二进小波表达形式： 部分小波 许多数缩放函数和小波函数以开发者的名字命名，例如， Moret小波函数是Grossmann和Morlet在1984年开发的 db6缩放函数和db6小波函数是Daubechies开发的 小波分析中常用的三个基本概念 连续小波变换 离散小波变换 小波重构 CWT的变换过程示例，见图3，可分如下5步 小波ψ (t)和原始信号f(t)的开始部分进行比较 计算系数C——该部分信号与小波的近似程度；C值越高表示信号与小波相似程度越高 小波右移k得到的小波函数为ψ (t-k) ，然后重复步骤1和2，……直到信号结束 扩展小波，如扩展一倍，得到的小波函数为ψ (t/2) 重复步骤1－4 连续小波变换用下式表示 DWT得到的小波系数、缩放因子和时间关系，见图5 图(a)是20世纪40年代使用Gabor开发的短时傅立叶变换(short time Fourier transform，STFT)得到的 图(b)是20世纪80年代使用Morlet开发的小波变换得到的 执行DWT的有效方法 用Mallat在1988年开发的滤波器，称为Mallat算法DWT的概念见图6。S表示原始的输入信号；通过两个互补的滤波器产生A和D两个信号。 小波分解树与小波包分解树 由低通滤波器和高通滤波器组成的树 原始信号通过一对滤波器进行的分解叫做一级分解。信号的分解过程可以迭代，即可进行多级分解。 小波分解树(wavelet decomposition tree) 用下述方法分解形成的树：对信号的高频分量不再继续分解，而对低频分量连续进行分解，得到许多分辨率较低的低频分量，见图7 小波包分解树(wavelet packet decomposition tree) 用下述方法分解形成的树：不仅对信号的低频分量连续进行分解，而且对高频分量也进行连续分解，这样不仅可得到许多分辨率较低的低频分量，而且也可得到许多分辨率较低的高频分量，见图8 7.1 小波介绍——小波分析(续10) 小波重构 重构概念 把分解的系数还原成原始信号的过程叫做小波重构(wavelet reconstruction)或合成(synthesis)，数学上叫做逆离散小波变换(inverse discrete wavelet transform，IDWT) 两个过程 在使用滤波器做小波变换时包含滤波和降采样(downsampling)两个过程，在小波重构时也包含升采样(upsampling)和滤波两个过程，见图10 升采样是在两个样本数据之间插入“0”，目的是把信号的分量加长，其过程见图11 频域分析方法比较： 傅立叶分析 用一系列不同频率的正弦波表示一个信号 一系列不同频率的正弦波是傅立叶变换的基函数 小波分析 用母小波通过移位和缩放后得到的一系列小波表示一个信号 一系列小波可用作表示一些函数的基