http://www.paper.edu.cn
- 1 -
基于小波包变换和奇异值分解的柴油机振动信号特征
提取研究
李国宾,关德林
大连海事大学轮机工程学院,辽宁大连 (116026)
E-mail: guobinli88@yahoo.com.cn
摘 要:为通过振动信号识别柴油机的工作状态,提出利用小波包变换和奇异值分解提取振
动信号特征的新方法。给出了小波包变换算法及奇异值分解算法,依据矩阵奇异值特征向量,
定义了振动信号特征参量,并探讨了特征参量与柴油机运行状态之间的内在联系。结果表明:
特征参量能够敏感地反映柴油机工作性能的变化。随着柴油机工作性能的恶化,振动强度的
增加,特征参量变大。特征参量可作为柴油机状态监测和故障诊断的特征量。
关键词:振动信号;柴油机;小波包变换;奇异值分解;特征参量
中图分类号:TK428 文献标识码:A
0 引言
柴油机经过长时间、多次工作后,各部件均会产生不同程度的磨损,导致做功能力下降,
工作性能恶化。客观、准确地提取柴油机工作性能变化的特征,定义对柴油机工作性能变化
敏感的特征参量, 通过特征参量可及时掌握柴油机的工作状态,对保障柴油机安全可靠运行
具有重要意义。
振动是柴油机在运行过程中必然产生的现象,振动信号蕴涵了丰富的柴油机运行状态的
信息,柴油机工作性能的变化可以通过振动表现出来,因此,振动分析法成为柴油机当前进
行结构分析、故障诊断和状态监测普遍采用的方法
[1~4]
。
小波包变换具有优异的时–频分辨率特性,被作为一种有效的振动信号特征提取工具
[5~8]
。小波包变换可描述信号能量在时间–频域坐标系中的分配,在时域和频域上表征信号,
从而能提取更多的反映信号特征的信息
[9]
。但是,原始信号经过小波变换,得到的由时间轴
和频率轴所构成的二维时频信息矩阵维数过大,需要对时频矩阵信息进行再处理,以提取反
映信息矩阵内在特征的特征变量
[10,11]
。奇异值分解可以将高维相关变量压缩为低维独立的主
特征矢量
[12]
。因此,小波包变换和奇异值分解相结合可实现振动信号的特征提取。
本文对柴油机振动信号进行小波包分解,提取各节点的小波包系数,组成特征矩阵,通
过特征矩阵的奇异值定义对柴油机工作性能变化敏感的特征参量。
1 信号特征提取方法
1.1 小波包分解与特征矩阵
小波包分解是将频带进行多层划分,对多分辨率分析没有细分的高频部分进行进一步分
解,并能根据被分析信号的特征,自适应的选择相应频带,使之与信号频谱相匹配,从而提
高了时频分辨率,因此小波包具有更广泛的应用价值。小波包分解树如图 1 所示(以三层小
波包分解为例)。
本课题得到教育部新教师基金(200801511018)的资助。