基于matlab的小波包分解应用于机械振动信号的故障分析-Used in failure analysis of mechanical vibration signals based on the Matlab wavelet packet decomposition

采用EEMD方法对故障信号进行模式分解，通过产生不同的不同频率的IMF，实现对信号的诊断。-The fault signal was decomposed through EEMD method and the IMF including different frequent was produced, which can diagnose signal effectively.

经验小波变换(EWT)是一种新的自适应信号分解方法, 该方法继承了EMD 和小波分析方法的各自优点, 通过提取频域极大值点自适应地分割傅里叶频谱以分离不同的模态, 然后在频域自适应地构造带通滤波器组从而构造正交小波函数, 以提取具有紧支撑傅立叶频谱的调幅-调频(AM-FM)成分。本文将该方法引用到机械故障诊断中, 提出了一种基于经验小波变换的机械故障诊断方法, 并与EMD方法进行了对比分析。仿真结果表明, 经验小波变换方法明显优于EMD方法, 能有效地分解出信号的固有模态。与EMD 相比较, 该

小波变换就一个信号分解为几个信号，小波变换大量应用于图像处理、谐波分析及故障诊断中。(Wavelet transform decomposes a signal into several signals. Wavelet transform is widely used in image processing, harmonic analysis and fault diagnosis.)