双树复小波分析在故障诊断中的发展与应用.docxVIP

? ? 双树复小波分析在故障诊断中的发展与应用 ? ? 杨 楠，关佳亮，高立新 （北京工业大学机电学院先进制造技术北京市重点试验室，北京 100124） 0 前言 随着工业自动化程度的提高，为了使生产系统正常运行，提高企业经济效益，故障诊断已经成为现代工业生产的重要环节，故障诊断技术也随之发展成为一门融合多种学科的综合性学科。故障诊断技术兴起于20世纪60年代的美国，最初应用于航天技术，后来由于其对保障机械系统的安全稳定运行、提升企业经济效益具有重大意义，成为国内外专家学者的研究热点。我国自20世纪70年代末80年代初开始对故障诊断技术进行研究，近些年来，故障诊断技术在我国备受重视，我国《国家中长期科学和技术发展规划纲要（2006—2020年）》和《机械工程学科发展战略报告（2011—2020年）》将重大产品和重大设施运行安全性、可靠性、可维护性关键技术列为重要的研究方向。 故障诊断包括3个环节：故障信息获取、故障特征提取与状态识别。其中故障特征提取是故障诊断的核心。小波变换、傅里叶变换及S变换等是经常使用的特征提取方法，支持向量机、神经网络及贝叶斯分类器等是主要的分类器[1]。小波变换因其具有可以处理非线性、非平稳信号的特点，在故障诊断中得到广泛应用。但是随着研究的深入以及工程实践，发现传统的小波分析具有频率混叠、频带能量泄漏大、缺乏平移不变性等缺陷[2]。为了克服这些缺陷，一种具有近似平移不变性、良好方向选择性、完全重构性、有限数据冗余性和高效计算效率等优良性质的小波变换——双树复小波变换（dual-tree complex wavelet transform，DTCWT）应运而生。研究发现,，在当双树复小波对应小波基（近似）满足Hilbert变换关系时，小波变换的平移敏感性会大大减小，方向选择性有明显改善[3]。 1 双树复小波的产生及其研究现状 双树复小波变换最早由英国剑桥大学Kingsbury教授于1998年提出，之后在双树滤波器构造方面Selescnick等学者进行了深入研究。目前双树复小波分析已经被成功应用到图像处理、信号降噪、语音识别等领域：郑州航空工业管理学院李玲玲等提出一种具有平移不变性、可以获得较好的战场打击效果评估的图像融合方法；四川师范大学宰文姣等充分研究了小波性能特点以及边缘检测，并在此基础上提出了方向选择性更强的双树复小波边缘检测算法[4]；西南交通大学周登登等对配电网单相接地故障电流行波进行分析，并在此基础上提出一种可以避免实小波的各种缺点、防止选线失效、同时可解决仅含两相电流互感器的选线问题的选线算法[5]；中国石油大学范宜仁等利用双树复小波对声波全波进行多尺度分解，在合适的尺度上重构波形，达到了增强反射纵波、压制高能量信号的效果[6]。 在故障诊断领域，北京化工大学徐春林等研究了基于Hibert变换的包络分析及其在机械故障诊断中的应用；军械工程学院吴定海等提出一种基于双树复小波包变换和自适应块阈值降噪的标准化相对能量提取方法，解决了柴油机缸盖振动信号特征提取问题，同时提出一种基于双树复小波包时频奇异谱和关联向量机的柴油机故障诊断方法[7]；北京工业大学胥永刚等为实现齿轮箱早期故障诊断，提出利用相邻层系数的相似性对小波系数进行参数自适应阈值降噪的双树复小波相关滤波法[8]；西安交通大学陈彬强等为优化离散小波变换在机械设备非平稳周期性故障特征提取时频局部化能力，提出一种时频域双树复小波构造方法[9]；浙江传媒学院艾树峰提出一种基于双树复小波变换解调技术的轴承故障诊断新方法[10]；大连理工大学苏文胜等提出一种基于双树复小波变换的隐Markov树模型的信号降噪方法，并将其成功应用于机械故障诊断中[11]。 2 双树复小波变换原理 双树复小波变换是通过两个并行的实小波变换以完成信号的分解与重构（图1），分别称为实部树和虚部树。在信号分解和重构时，始终使虚部树采样位置在实部树中间，使双树复小波变换可以综合利用实部树与虚部树小波分解系数，以实现实部树与虚部树信息互补。此种小波分解算法能够减少有用信息的丢失，并且可以使双树复小波变换具有近似平移不变性。在各层分解过程中，利用小波系数二分法减少了多余计算，从而提高了计算速度。 从图1可以看出，在分解过程中，h0，h1分别为实部树对应的低通滤波器和高通滤波器，g0，g1分别为虚部树对应的低通滤波器和高通滤波器。同理，在重构时，h0，h1均为实部树滤波器组，g0，g1均为虚部树滤波器组，这是Kingsbury构造的Q-shift双树滤波器。 根据双树复小波的构造方法，复小波可表示为 式（1）中，ψ（ht）、ψ（gt）表示 2 个实小波；i为复数单位。 图1 双树复小波变换的分解与重构过程 由于双树复小波变换是由2个并行小波变换组成的，根据小波理论，上面实