基于小波包的旋转机械故障分析
0ฐ 引 言
旋转机械主要是指需要依靠旋转动作来实现一定功能的机械，常见的旋转机械有压缩机、汽轮机、风机、发电机等，在国防科技、居民生活、工业生产中占据重要位置。其工作状态的好坏，对工作人员的人身安全以及企业的经济效益有着直接的影响。因此确保旋转机械正常运行就变得相当重要。
旋转机械发生故障主要是指它的动态性能下降，相关技术指标不能达到，产生故障的原因形式各异，我们所观察到的故障特征信息也不相同。旋转机械故障诊断技术就是对故障设备进行采样，然后对采样信息分析处理，最终判断出故障部位的一门技术。
振动是旋转机械故障的固有的特征表象，振动信号中含有大量的机械原始信息，通过获取故障时的振动信号，进行故障诊断是旋转机械故障诊断技术中的一个重要手段。
传统的故障诊断技术中常使用傅里叶变换来对故障信号进行分析，不过傅里叶变换不能把故障信号中的微弱ซ信息显现出来，不能对故障信号进行了特定时间点位抑或固定频率段的放大分析。而小波变换具有变焦特性，在低频段可用高频率分辨率和低时间分辨率，在高频段，可用低频率分辨率和高时间分辨率，适合于监测正常信号中夹杂的瞬时异常信号并对其进行分析。
1 小波算法分析及小波滤波重构
1.1 小波算法分析
用小波基的方法对离散的随即信号分析，分解到不同的频段上面，其主要方法时把前一级i的第m☂个信号段分割为次一级i+1的第2m-1和2m两个子信号段。
1.2 小波滤波重构
首先用小波分析对采样信号进行高通滤波，取得高频频段，令其为小波系数B1，对采样信号采用低通滤波，得到低频频段，令其系数为A1，如此重复对低频段进行分解ด。
文章采用db5对采集故障信号使用3层小波分解，并使用软阈值方法对信号进行降噪处理，首先选择小波和小波分解的层次，计算信号S到第N层的小波分解;其次高频系数的阈值选择。对于从第1层到第N层的每一层，选择一个阈值，并且对高频系数用软阈值进行处理;最后根据第N层的低频系数和从第1层到第N层的经过修改的高频系数，计算出信号的小波重建。
2 旋转机械故障诊断原理及依据
在旋转机械众多故障中，转子不平衡，转子碰磨以及转子不对中是最常见的三种故障。根据长期研究发现旋转机械的振动信号往往具有周期性质，当旋转机械发生故障时，它的表征频率与转子的旋转频率相关联，常为旋转频率的整数倍或者分数倍。因此，旋转机械故障诊断其中一个重要ภ方法就是研究转子旋转频率与故障时的表征频率。
3 小波包故障诊断具体案例实究
据统计转子不平衡，转子不对中，转子碰擦三种故障在所有故障中占70%以上，因此对这三种状况进行实例研究具有很重要的意义，本次试验就是对这三种状况进行模拟还原。对实验中的数据进行实时采集，分析并得出相应结论。试验电机转速n=1500r/min，采样频率为1000Hz，采集N=1024个连续点进行分析。
4 结 论
此次实验是以小波算法为理论基础，对实验结果进行频谱分析，可以看出小波算法能够对信号频带进行划分，放大信号频段的分辨率，最终分析出发生故障的具体部位。把小波变换应用于旋转机械故障处理分析中，对所采集信号进行频谱分析，为实践提供了理论依据，在实际应用中有一定的使用价值。
