基于改进小波算法的舰炮齿轮箱故障特征提取＊

王 凯

（海军驻郑州地区军事代表室 郑州 450015）

1 引言

舰炮的齿轮箱承受着扭转和拉压两种载荷的综合作用，受力过程非常复杂。因此，舰炮的许多故障出现在齿轮箱里的齿轮和传动轴中。据统计，以齿轮为代表的齿轮箱故障发生率占舰炮机械故障的49%～58%［1］。由于舰炮自身结构复杂，在其振动信号中不同零部件的故障频率分布在不同的频段范围内。因此，当齿轮箱出现早期故障时，其微弱的故障信息往往会被淹没在其他零部件的振动信号和随机噪声中。

小波分析具有优良的时频分析特性［2～3］，在时－频相平面的高频段具有较高的时间分辨率和低的频率分辨率，而在低频段具有低的时间分辨率和高的频率分辨率，克服了傅立叶变换中时－频分辨率不变的弱点，能在具有足够时间分辨率的前提下能对信号中的短时高频成分进行分析，又能在很好的频率分辨率下对信号中的低频进行估计，适合于提取非平稳信号和时变信号的特征，为机械故障诊断中的非平稳信号分析、弱信号提取和信号滤波等提供了一条有效的途径［4～10］。然而研究发现，在对信号进行小波变换时会存在严重的混频现象，这种现象往往会掩盖信号中的故障特征，尤其在提取微弱故障特征时表现更为明显。

2 小波分解算法及其产生混频的原因

2.1 小波分解算法

小波变换实际上就是将时域信号投影到尺度和时间组成的二维时频空间中，假设有一平方可积函数ψ（t）∈L2（R），其中L2（R）表示平方可积的实数空间，即能量有限的信号空间。……