直升机齿轮箱故障特征提取与诊断程序

资 源 简 介

本程序专门用于直升机齿轮箱等复杂旋转机械的振动信号处理与故障特征提取。 该项目采用小波变换与Hilbert包络分析相结合的综合诊断方案。算法首先通过小波变换将非平稳、包含大量背景噪声的原始振动信号进行多尺度分解，从而实现信号的去噪与关键频段的初步筛选。小波分解能够有效地捕捉信号中的瞬态冲击，这对于识别齿轮箱早期损坏产生的冲击成分至关重要。 在分解得到特定的小波系数层后，程序应用Hilbert变换提取其包络信号。通过计算包络信号的幅值谱，可以清晰地识别出与齿轮啮合频率、阶次相关的侧带信息以及由于裂纹、剥落等

详 情 说 明

直升机齿轮箱故障特征提取项目说明文档

项目介绍

本项目专门用于直升机齿轮箱等复杂旋转机械的振动信号处理与故障特征提取。通过集成小波变换与Hilbert包络分析，本方案能够从强噪声背景下提取微弱的机械故障冲击特征。算法针对非平稳振动信号进行多尺度分解，利用包络解调技术识别齿轮损伤引起的周期性冲击频率，为旋转设备的健康监测与预知性维护提供数据支撑。

功能特性

1. 仿真信号建模：程序能够模拟复杂的齿轮箱振动环境，包含正常齿轮啮合规律分量、由剥落或裂纹引起的周期性冲击分量以及随机背景噪声。
2. 多尺度小波去噪：采用多层小波分解技术，实现信号与噪声的时频分离，初步筛选包含故障信息的关键频段。
3. Hilbert包络解调：通过Hilbert变换提取信号的瞬时幅值包络，有效剥离高频载波，还原低频冲击特征。
4. 特征频率自动检索：程序可根据理论计算的轴频、啮合频率等参数，在频谱中自动搜寻并匹配故障特征点。
5. 可视化诊断报告：提供完整的时域对比图、小波各层分布图及包络频谱图，并自动生成文本格式的健康状态评估报告。

实现逻辑与算法流程

程序逻辑严格遵循信号处理的标准流程，具体步骤如下：

1. 参数配置：设定采样频率（12000Hz）及采样时长，计算理论轴频与齿轮啮合频率，为后续的故障对标提供基准。
2. 信号合成：

- 啮合分量：构建带有调幅特性的正弦信号。 - 冲击分量：利用指数衰减正弦波模拟故障引发的结构共振响应。 - 噪声叠加：混入高斯白噪声以模拟实际工况。

1. 小波分解（Wavedec）：使用 db4 小波基对原始信号进行 4 层多尺度分解。
2. 分层重构（Wrcoef）：分别提取各层细节系数（D1-D4）和近似系数（A4）。本环节通过选取包含高频共振段的 D3 与 D4 层进行信号重构，达到滤除背景噪声和低频干扰的目的。
3. 包络计算：

- 对重构后的信号进行 Hilbert 变换构造解析信号。 - 通过求模运算获取信号包络。 - 进行中心化处理以消除直流偏移。

1. 包络谱分析：对包络信号进行快速傅里叶变换（FFT），计算单边幅值谱，将时域的冲击序列转化为频域的特征峰值。
2. 故障识别逻辑：设置 2.0Hz 的频率允许误差窗口，在包络谱中搜索转频（f_s）及其倍频。若匹配成功，则标记特征点并判定为存在损伤预警。

关键函数与细节分析

• wavedec 与 wrcoef：实现离散小波变换的核心。通过分解将信号投影到不同的频带空间，db4 小波由于具有较好的紧支撑性和正交性，适合处理突变信号。
• hilbert：实现解析信号的生成，是提取包络的核心步骤，能够提取出被高频共振调制的故障特征频率。
• findpeaks：用于在复杂的包络谱中自动寻找显著峰值，通过设置 MinPeakHeight 动态阈值（最大幅值的 20%）来过滤微弱噪声干扰。
• 频率容差匹配：在提取特征点时，程序并未采用硬匹配，而是通过寻找理论频率附近的最小值索引来实现容错匹配，增强了算法在实际转速波动情况下的鲁棒性。

使用方法

1. 环境准备：确保 MATLAB 环境中已安装信号处理工具箱（Signal Processing Toolbox）和小波工具箱（Wavelet Toolbox）。
2. 参数调整（可选）：根据实际监测需求，修改程序开头的采样频率、转速、齿数等物理参数。若有实测数据，可在仿真信号生成部分替换为数据加载代码。
3. 运行程序：直接运行主脚本，程序将自动执行分解、解调与识别逻辑。
4. 结果查看：

- 查看生成的图形窗口，重点观察包络频谱中是否标记了黑色圆圈特征点。 - 查阅命令行窗口输出的“齿轮箱健康监测报告”，获取设备状态评估结论。

系统要求

• 软件环境：MATLAB R2016b 或更高版本。
• 必备工具箱：

- Signal Processing Toolbox - Wavelet Toolbox