2.2 數(shù)據(jù)處理系統(tǒng)
　　該系統(tǒng)是在WindowsXP 平臺(tái)下，利用Visual C++ 與matlab7.0 混合編程實(shí)現(xiàn)的。
　　本系統(tǒng)可以實(shí)現(xiàn)時(shí)域和頻域特征值的提取，采用FFT 作為頻譜分析算法，還利用了小波分析對(duì)信號(hào)特征量作進(jìn)一步的分析，F(xiàn)FT 算法和小波分析算法部分利用matlab7.0實(shí)現(xiàn)，界面部分則由C 語言完成，代碼執(zhí)行效率高、實(shí)時(shí)性好。數(shù)據(jù)采集顯示程序采集來的數(shù)據(jù)保存在一個(gè)txt 格式的文本中，直接載入這個(gè)文本，去掉其中的字符部分保存純數(shù)據(jù)的文本就可以進(jìn)行時(shí)域特征值計(jì)算和譜分析了。數(shù)據(jù)處理程序流程圖如圖3 所示。
　　3. 數(shù)據(jù)處理算法
　　采集卡采集來的信號(hào)是離散的時(shí)間序列，保存在一個(gè)txt 格式的文本當(dāng)中。分別對(duì)這些信號(hào)進(jìn)行時(shí)域分析和頻域分析。
　　3.1 時(shí)域統(tǒng)計(jì)
　　時(shí)域統(tǒng)計(jì)指標(biāo)根據(jù)量綱和無量綱分為兩部分，一部分是常用的有量綱特征值，包括最大值、最小值、峰峰值、均方值和方差；另一部分成為無量綱的特征分析值，包括方根幅值、平均幅值、均方幅值、峭度、波形指標(biāo)、峰值指標(biāo)、脈沖指標(biāo)和裕度。

　　3.2 頻域分析
　　通過對(duì)采集來的振動(dòng)信號(hào)進(jìn)行FFT 之后就可以得到這組信號(hào)中各軸的轉(zhuǎn)頻和齒合頻率及其高次諧波等的主要頻率成分，各頻率成分的幅值大小，同時(shí)，還利用小波分析的伸縮和平移等運(yùn)算功能對(duì)函數(shù)或信號(hào)進(jìn)行多尺度細(xì)化分析來補(bǔ)充傅立葉變換的不足決的，并對(duì)這些數(shù)據(jù)建立詳細(xì)的數(shù)據(jù)庫檔案。通過比較同一頻率成分下幅值、能量的變化情況和有無新的頻率成分產(chǎn)生，對(duì)于判斷齒輪箱的故障產(chǎn)生的部位、故障類型和產(chǎn)生的原因提供了非常有利的手段。
　　小波變換中的多分辨分析可以對(duì)信號(hào)進(jìn)行有效的時(shí)頻分解，但由于其尺度是按二進(jìn)制變化的，即對(duì)信號(hào)的頻帶進(jìn)行指數(shù)等間隔劃分。
　　每層分解都是將上層分解的低頻信號(hào)再分解為低頻和高頻兩部分，而沒有對(duì)高頻部分再進(jìn)行分解，因而高頻段的頻率分辨率較差，而低頻段的時(shí)間分辨率較差。小波包分析將頻帶進(jìn)行多層次劃分，能對(duì)多分辨分析沒有細(xì)分的高頻部分進(jìn)一步分解，并能夠根據(jù)被分析信號(hào)的特征，自適應(yīng)地選擇相應(yīng)頻帶，使之與信號(hào)頻譜相匹配，從而提高時(shí)-頻分辨率。
　　4. 齒輪箱的主要故障及