WMSST时频分析与WTMCNN在机械故障诊断中的应用

1. WMSST时频分析方法解析

1.1 传统小波变换的局限性

在机械故障诊断领域，振动信号分析是最常用的手段之一。传统连续小波变换(CWT)虽然能够提供时频联合分析能力，但在处理轴承故障信号时存在两个固有缺陷：

1. 海森堡不确定性原理限制：时频窗面积固定，无法同时获得高时间分辨率和高频率分辨率。对于轴承故障产生的瞬态冲击信号，这会导致冲击时间定位模糊。

2. 能量扩散现象：故障冲击在时频平面上会弥散成椭圆形区域，特别是在高频部分能量分散严重。这使得微弱故障特征容易被噪声淹没。

实际工程案例：某风电齿轮箱轴承内圈故障信号分析中，使用传统CWT时，2000Hz以上的冲击成分在时频图上呈现明显扩散，信噪比降低约15dB。

1.2 WMSST核心技术原理

小波多尺度同步压缩变换(WMSST)通过以下三个关键步骤改进传统CWT：

1. 多尺度重分配：

   • 对每个尺度a下的CWT系数W(a,b)，计算瞬时频率ω(a,b)=Im[∂W(a,b)/∂b]/W(a,b)
   • 将系数重新分配到修正的频率位置(a,ω(a,b))，实现能量聚集

2. 同步压缩操作：

   matlab复制% MATLAB实现核心步骤
   [cfs,frq] = cwt(signal, 'amor', Fs);
   omega = abs(frq).*angle(cfs)/(2*pi*dt);
   Ts = (1/2/pi)*abs(cfs).^2.*omega;
   

3. 脊线提取优化：

   • 采用自适应阈值法选择时频脊线
   • 通过二次插值提高频率定位精度

1.3 工程应用优势验证

在CWRU轴承数据集上的对比实验显示：