附件C：譯文

基于小波變換技術(shù)和模糊邏輯原理對(duì)振動(dòng)信號(hào)分析進(jìn)行齒輪故障的識(shí)別
Jian-Da Wu,Chuang-Chin Hsu
彰化大學(xué)車(chē)輛工程研究所,金德路，彰化市，彰化500，臺(tái)灣
摘要
本文描述了一個(gè)開(kāi)發(fā)中的故障齒輪識(shí)別系統(tǒng)，通過(guò)利用離散小波變換技術(shù)和模糊邏輯推理采集實(shí)驗(yàn)平臺(tái)中齒輪組的振動(dòng)信號(hào)。該系統(tǒng)由信號(hào)特征提取和故障識(shí)別兩部分相結(jié)合而成，其中前者應(yīng)用離散小波變換技術(shù)后者應(yīng)用模糊邏輯原理。一般來(lái)說(shuō),這個(gè)方法在旋轉(zhuǎn)機(jī)械故障診斷中依賴(lài)于有經(jīng)驗(yàn)的技術(shù)人員。然而,對(duì)旋轉(zhuǎn)機(jī)械運(yùn)作在一個(gè)復(fù)雜和嘈雜的環(huán)境中，應(yīng)用傳統(tǒng)的診斷技術(shù)進(jìn)行檢測(cè)還是有困難的。在目前的研究中, 采用離散小波變換形式應(yīng)用于齒輪實(shí)驗(yàn)平臺(tái)是一套可行研究方案。而特征向量法是基于離散小波變換與能源光譜。進(jìn)一步來(lái)說(shuō)，該模糊邏輯推理制定的診斷規(guī)則的數(shù)據(jù)庫(kù)在本故障識(shí)別系統(tǒng)實(shí)驗(yàn)工程中完成，以評(píng)估故障診斷齒輪組平臺(tái)運(yùn)行條件下的各種實(shí)驗(yàn)的效果。實(shí)驗(yàn)結(jié)果表明所提出的專(zhuān)家系統(tǒng)有效地提高齒輪故障識(shí)別準(zhǔn)確度。
關(guān)鍵詞：故障診斷系統(tǒng)、小波變換技術(shù)、模糊邏輯原理、振動(dòng)信號(hào)
1.介紹
齒輪傳動(dòng)系統(tǒng),廣泛用于旋轉(zhuǎn)機(jī)械。如在汽車(chē)動(dòng)力系統(tǒng)中。因此，有許多的分析技術(shù)是用來(lái)防止嚴(yán)重的損傷機(jī)械系統(tǒng)。一般來(lái)說(shuō),機(jī)械瞬態(tài)信號(hào)元件因異常情況發(fā)生故障時(shí)，這些異常的瞬態(tài)信號(hào)可以用來(lái)識(shí)別故障。這種工況故障診斷技術(shù),主要是基于聲發(fā)射和振動(dòng)信號(hào)在時(shí)域和頻域中的分析(Stander &Heyns,2002;Toutountzakis,Tan,&Mba,2005)，傳統(tǒng)上常規(guī)功率譜很難分析檢測(cè)瞬態(tài)信號(hào)。同時(shí),一些更高級(jí)的研究正在使用時(shí)間平均分析(Oehlmann,Brie,Tomczak,&Richard,1997),功率譜分布分析、高階累積量的計(jì)算（Wuxing,Tse,Guicai,&Tielin,2004;Yesilyurt,2003),共振解調(diào)(Wang,2001), 連續(xù)小波變換(CWT)(Baydar&Ball,2003;Sung,Tai,&Chen,2000;Wang&Mcfadden,
1995;Zheng,Li,&Chen,2002)和離散小波變換(DWT)(Butler-Purry&Bagriyanik》
,2003)。1999年,Pasti和其他人（Pas ti,Walczak，Massart,&Reschiglian,1999), 提出了一個(gè)最優(yōu)參數(shù)對(duì)離散信號(hào)算法。這個(gè)方法分析信號(hào)中離散小波分解,包括分析信號(hào)分解、閾值估計(jì)和信號(hào)重構(gòu)。這個(gè)估計(jì)方法基于交叉選擇最佳的分解層數(shù)和最好的小波濾波器。結(jié)果表明,在白噪聲背景下去噪聲技術(shù)十分有效。此外,消音小波函數(shù)可以利用不同小波系數(shù)用來(lái)檢測(cè)鉆孔機(jī)的斷裂(Lee&Tarng,2000，Prabhakar,Mohanty,&Sekhar,2002年),分析脈沖信號(hào)，為其提取特征。小波分析技術(shù)提供了時(shí)間域的幅值和頻域信息，同時(shí)有去噪功能離散小波變換技術(shù)可以有效的發(fā)現(xiàn)故障情況中弱脈沖信號(hào)。