振动信号的多尺度小波分解和重构.docxVIP

振动信号的多尺度小波分解和重构

通过前面的小波变换理论可以看出，小波变换工作在多尺度的基础上,而不是像傅里叶变换那样工作在单一的尺度上。小波变换的多尺度特征使得信号可以被分解成许多的尺度，而每一个尺度分别代表待研究信号的一种特定频率。这种方法从根本上将信号分解为一组不同的既包含低频成分又包含高频成分的频带。因此，利用小波变换可以将信号按不同频率分解开。

如图3-3所示为小波分解示意图。原始信号S通过第1层高通滤波和低通滤波后得到低频成分系数A；和高频成分系数A；。然后，对低频成分系数A再进行下一层的小波分解，得到A《和A；。A：可以再进行小波分解，得到A：和Ah以此类推，便可得到不同层次的低频成分和高频成分。利用小波重构技术即可重构各个层次的高频信号成分和低频信号成分。

图3-3小波分解示意图

Fig.3~3Waveletdecompositionschematicdiagram

本研究采用小波多尺度分析方法对振动信号进行分析。研究表明，对于一些特征提取方法，子频带比整个振动频带更具有代表性。事实上，通过分析子频带，可以提取潜藏在振动信号中的更精确的信息。一些在振动信号整个频带不明显的特征，可以在子频带中表现得尤为突出吒

本研究中振动信号的采样频率是25.6KHzo采用小波分解方法提取振动信号不同的子频带。使用4阶Daubechies小波对带通振动信号进行4层分解。第一层分解后可以得到高频细节信号dl(12.8~25.6KHz)和低频近似信号al(0~12.8KHz)。在第二层分解中，al可以进一步分解成高频细节信号d2(6.4~12.8KHz)和低频近似信号a2(0-6.4KHz)。以此类推，经过4层分解以后，可以得到a4(0~L6Hz)、d4(1.6?3.2KHz)、d3(3.2?6.4KHz)、d2(6.4~12.8KHz)、dl(12.8~25.6KHz)五个子频带。使用小波逆变换重构这5个子频带的振动信号，分别记作振动信号的频带1、频带2、频带3、频带4、频带5。

如图3-4所示，为随机选取的正常状态、铁芯卡涩、润滑不良和螺丝松动故障振动信号4阶Daubechies小波4层分解后的重构信号。经过小波分解和重构以后，可以得到振动信号的不同节律信号。图中s为原始的振动信号。从图中可以看出，所采集的振动信号中，含有的高频信号较多，信号的能量主要集中在dl、d2和d3高频子频带中，而d4和a4低频子频带信号的能量较小。

(a)正常状态(b)铁芯卡涩(a)Normalstate(b)Jamfaultoftheironcore(c)

(a)正常状态

(b)铁芯卡涩

(a)Normalstate

(c)润滑不良

(c)润滑不良(d)螺丝松动

(c)润滑不良

(d)Basescrew(c)Lackofmechanicallubricationlooseness

(d)Basescrew

图3-44阶Daubechies小波4层分解后的重构信号Fig.3~4Thereconstructionsignaloffourlayerdecompositionfor

fourorderDaubechieswavelet

3.5振动信号的多尺度LZ复杂度

由于断路器机械振动信号是一种高度非平稳的非线性信号，很多学者将非线性动力学的分析方法应用于振动的分析，如LZ复杂度分析、关联维数、最大李雅普诺夫指数等。

复杂度作为衡量系统复杂性的测度，物理意义明确。近30年来，随着非线性科学的发展和混沌运动研究的深入，学者们认识到对系统复杂性有深入分析研究的必要。非线性系统的时间序列要比线性系统复杂得多，对于非线性系统复杂度的研究，有助于提取非线性动力学系统的特征参数，适用于大脑功能的探索和疾病的诊断。本节从复杂度的角度出发，对振动进行分析，提取不同故障信号的复杂度特征。

许多动力系统与符号序列拓扑等价，这使得关于动力系统特性的研究可简单地归之于关于符号序列的研究。可见，关于符号序列的算法复杂度的研究具有十分重要意义。符号动力学也就是把对动力系统的研究与关于符号序列的算法复杂度分析联系起来。

为了具体地用符号序列表示时间序列，以便对动力系统进行算法复杂度的计算，Lempel和Ziv提出了一种计算复杂度的方案错误!未找到引用源。，称为LZ复杂度。LZ复杂度算法提出以后，受到广泛关注。Kaspar和Schuster给出了LZ复杂度的具体计算方法。LZ复杂度从一维的角度反映时间序列，可以定量评价信号曲线变化的复杂性，具有算法简单、易于实现、所需数据量小、运算速度快的优点。LZ复杂度分析