柴油機(jī)信號(hào)一般為非平穩(wěn)信號(hào)，采用傳統(tǒng)的傅里葉分析，顯得無(wú)能為力，因?yàn)樗荒芙o出信號(hào)在某個(gè)時(shí)間點(diǎn)上的變化情況，而小波分析屬于時(shí)頻分析的一種，能夠同時(shí)在時(shí)頻域中對(duì)信號(hào)進(jìn)行分析，所以它能有效的區(qū)分信號(hào)中的突變部分和噪聲，從而實(shí)現(xiàn)信號(hào)的降噪，小波分析對(duì)非平穩(wěn)信號(hào)消噪有著傅里葉分析不可以比擬的優(yōu)點(diǎn)?；谛〔ǚ治鰰r(shí)頻局域化特性，無(wú)論是降噪處理還是特征信號(hào)的提取應(yīng)用，小波變化都非常適合。
將信號(hào)進(jìn)行小波分解后，可得到信號(hào)在各個(gè)頻段上的分量，這樣就實(shí)現(xiàn)了信號(hào)特征的分離，然后對(duì)每一分量進(jìn)行處理，針對(duì)不同頻段的信號(hào)特點(diǎn)，提取特征兩來(lái)表征該分量信號(hào)的特征。小波變化是一種信號(hào)的時(shí)間-尺度分析方法，它具有多分辨率分析的特點(diǎn)，而且在時(shí)頻兩域都具有表征信號(hào)局部特性的能力，即在低頻部分具有較高的頻率分辨率和較低的時(shí)間分辨率，在高頻部分具有較低的頻率分辨率和較高的時(shí)間分辨率，很適合探測(cè)信號(hào)中夾帶的瞬態(tài)反映現(xiàn)象并展示其成分。
多年來(lái)，昆山金斗云測(cè)控工程師團(tuán)隊(duì)一直專(zhuān)注于振動(dòng)故障診斷研究，為上千家企業(yè)解決了各種振動(dòng)故障問(wèn)題，擁有多年的現(xiàn)場(chǎng)及服務(wù)經(jīng)驗(yàn)，如果您也有難以解決的設(shè)備故障問(wèn)題，請(qǐng)致電我司，：（微信同號(hào)）
會(huì)員1.png)