针对小波包络解调法在轴承故障诊断中,当轴承故障加深时,频段选择不当对诊断结果干扰较大,为解决该问题,提出了一种小波包能量谱结合希尔伯特变换的方法对轴承故障特征进行提取。使用小波包变换对信号进行分解、重构。对重构后的信号进行小波包能量谱分析得出能量较集中的节点,提取该节点对应的频段信号,并通过希尔伯特变换对相应频段进行包络分析诊断出轴承故障。以实验室实测信号故障轴承数据为对象分析,验证了结合小波包能量谱结合希尔伯特变换准确地识别轴承故障类型。

为研究某型水下气动发射装置的振动特性,对发射管的径向加速度信号进行了短时Fourier变换分析,结合内弹道过程发现:发射管的径向加速度振动信号主要由两个时频区组成。时频区1为发射管充压、密封片剪断和弹药刚开始运动的内弹道阶段,该部分信号主振频率在1 400 Hz附近,高频成分一直延伸至约5 000 Hz,信号持续时间约0.038 s。时频区2为弹药已出管、发射管泄压阶段,该部分信号持续时间为0.016 s,主振频率在1 100 Hz附近。对加速度信号进行小波包能量谱分析,结果表明:时频区1信号能量占发射过程总能量的79%,时频区2能量占总能量的10%。因此,时频区1振动为整个发射振动信号的主要成分。

针对转静碰摩故障的振动响应问题，采用小波基函数db6三层小波包分解和能量谱相结合的分析方法，对实测的碰摩故障信号进行频带能量特征提取。通过对仿真和实测信号进行小波包分解后作频谱分析发现：当转子发生转静碰摩故障时，频谱图中除了转子的工频外，在分频、分频倍频处引起比较稳定的分数谐波，并出现了3x等高阶倍频频率成分。在对实测信号作进一步能量谱分析时，存在碰摩特征频率的频段能量发生了变化，因此小波包能量谱分析方法能够很好地区分转子的碰摩故障。

针对传统自动机维修保障模式操作繁琐、维修周期长的问题，提出了一种应用小波包能量谱信息和相关向量机（Relevance vector machine，RVM）相结合的故障诊断方法。对每一组自动机振动信号进行小波包分解，得到不同频率成分的子频带分量，计算子分量占原信号能量的百分比，实现自动机状态信息表征，最后将特征输入RVM中进行分类识别。自动机故障诊断实例表明，该方法能较理想的实现自动机故障诊断，达到较高的诊断准确率。此外，通过对比支持向量机（SVM）的诊断结果，验证了RVM可以在很大程度上提升故障诊断的稀疏性与实时性。