风机齿轮箱振动信号具有非平稳、非高斯特性,多种模式混叠和复杂的传递路径使得故障信息微弱完全淹没在噪声之中.针对故障特征提取的难题,将双树复小波变换引入振动信号分析,提出了一种新的工业风力发电机齿轮箱故障诊断方法.首先对风机齿轮箱振动信号进行双树复小波分解,然后计算各频带分量的峭度值,利用峭度筛选故障敏感分量.最后对故障敏感分量进行频谱分析提取故障特征频率.实验结果表明双树复小波变换可将复杂信号分解为不同频带分量,抑制平移敏感性和频率混叠.与传统离散小波变换相比,能有效抑制虚假频率出现并准确提取故障特征.本文提出的方法已成功用于风力发电机工业运行监测并准确诊断多种类型的齿轮箱故障.

滚动轴承工作环境往往复杂多变,在对轴承进行故障检测时振动信号中夹杂大量的噪声,严重影响轴承故障的有效诊断。针对轴承故障信号的降噪问题,提出了一种将双树复小波变换（DT-CWT）和经验模态分解相结合的轴承故障诊断方法。该方法首先采用DT-CWT将非平稳的故障信号进行分解,得到多个不同频带的分量;然后将得到的小波分量用经验模态技术进行分解,从而得到各小波的主频率分量信号。仿真结果表明,该方法能有效提取强背景噪声下的故障特征信号,能够有效地识别轴承中不同故障类型。