基于小波包分析的航空发动机故障诊断

1. 航空发动机整机振动故障诊断1。

1 国内外现状1）国内航空发动机整机振动故障诊断技术研究现状国内具备发动机整机振动试验条件的单位只有发动机的设计单位和生产单位，例如沈阳航空发动机设计所和沈阳黎明公司，因此国内对此项研究的开展非常有限，成果很少.由于试验条件的限制,目前国内一些高校、研究所主要针对航空发动机工作过程中影响振动的关键部件开展研究工作。

北京航空航天大学机械设计及自动化学院王春洁和曾福明根据保持器的运动特点，建立了冲击振动模型，分析影响振动的因素及其关系，研究保持架的轴向突然断裂和疲劳断裂机理,从而有针对性地解决了碰撞问题;目前,振动信号的盲源分离技术得到重视，取得了一些研究成果。

西北工业大学旋转机械与风能装置测控研究所的宋晓萍和廖明夫利用盲源分离法对双转子航空发动机振动信号进行分离，对某型双转子航空发动机高压转子和低压转子所测得包含不同频率振动信号，运用Fast ICA 算法进行了分离；西北工业大学电子信息学院马建仓、赵林和冯冰利用盲源分离技术对某型涡扇发动机振动偏大的现象进行了分析,采用Fast ICA 和JADE算法对振动信号进行分析并且在一定条件下分离出了发动机的振源信号，为发动机的振动故障诊断技术提供了依据。

中航工业航空发动机设计研究所已建成了转子振动故障再现试验器,能对发动机研制中出现的多种振动故障进行试验和信号分析,采用神经网络、小波分析技术等先进诊断技术,更加完善的故障诊断专家系统逐渐被建立起来;北京航空航天大学的洪杰、任泽刚把先进的信息处理方法和专家系统应用在航空发动机整机振动故障诊断中进行研究，中国民航大学的范作民、白杰等人把故障方程、人工神经网络等方法应用在民用航空发动机故障诊断技术中进行了研究。

西北工业大学的张加圣等人开发了一套处理航空发动机振动信号以及状态监控的系统软件，具有各个过程参数的数据采集、处理计算及控制输出，监控数据的显示、存储、分析等功能。

西北工业大学的杨小东等人研究某型航空发动机整机试车的故障特点，开发了某型航空发动机整机试车故障诊断与排除系统，该系统具有良好的用户交互界面,提供了系统用户管理、故障信息的智能汇总等功能。

Micr ocomputer Applica tions V ol.27,No.6,2011技术交流微型电脑应用2011年第27卷第6期5文章编号：1007-757X(2011)06-0054-04基于小波熵理论的航空发动机失稳状态检测　陈龙泉，屈卫东摘要：航空发动机气动失稳状态严重影响发动机的性能和安全，如何对气动失稳先兆进行预测判断是发动机领域重要的研究内容之一。

基于小波熵在非平稳、瞬变微弱信号辨识方面有着良好的定位能力和灵敏度，将小波熵用于气动失稳信号先兆的捕获。

以实际发动机失稳信号为样本进行小波熵分析。

分析结果表明，小波熵能够及时捕获失稳先兆信号并给出报警信息。

而且此算法具有较好的普适性，有利于发动机失稳的在线预警。

关键词：航空发动机；气动失稳；小波熵；失稳先兆中图分类号：V211.6文献标志码：A0引言对于航空发动机来说，其工作稳定性的提高很大程度上受制于压气机内的气流非定常流动现象——压气机失稳。

以往为了保证发动机的可靠运行，航空发动机设计时会考虑在喘振失速点处预留较大的设计裕度，但这是以牺牲部分稳定工况范围为代价的。

近年来随着计算机技术，测试技术和自动控制理论的发展，人们已不再仅仅满足于被动地避开失稳，而是希望能够实时地预测并加以控制，以便取得更大的可运行工况范围。

因此，如何对航空发动机失稳现象进行测量、变换，以便对气动失稳进行控制，确保发动机性能和安全是当前国内外航空界的一项重要研究内容。

在这种背景下，航空发动机气动失稳检测装置的研究就成为极为迫切的问题。

其目的是能够在发动机完全失稳前，及早检测出失稳预警信号，为发动机的主动控制争取时间以避免发动机进入完全失稳状态。

迄今为止，国内外诸多机构和学者在失稳信号的捕获与预报算法方面已经做了大量研究[1,2,3]。

文献[4]和[5]分别将压气机压力脉动的周期性亏损和压气机周向传播的小尺寸失稳团作为预测失稳发生的先兆信号。

程晓斌等还将小波分析方法应用到该项研究中，取得了相关研究结论。

航空发动机故障诊断方法及测试摘要：航空发动机与一般发动机相比较而言，具有结构复杂、零部件多等特点，在实际的运行中还要求耐高温、高压、高负荷以及高转速，因此，在长时间的反复运行中系统部件的损耗不可避免。

由于系统部件的损耗，航空发动机故障就会随即产生，并直接影响了航空器的正常运行，严重威胁飞行安全。

对航空发动机故障进行排除和测试能有效避免器路部件故障等导致的飞行安全隐患，提高发动机的稳定性和安全性。

本文将就几种典型的航空发动机故障诊断技术进行分析和探讨，并浅议航空器发动机故障测试平台，对其功能参数进行监控和测试，从而使发动机的性能得以提高并更具可靠性。

关键词：航空；发动机；故障1航空发动机故障诊断技术1.1 信号处理技术航空发动机的I/O信号模型可以通过与幅值以及频率与故障部位的相关性来检测发动机故障发生源，这是利用信号技术来检测故障的一种基本方式。

具体来说，此种分析技术包含四种分析方法。

第一，PCA分析法。

这种分析方法主要通过参照历史数据的彼岸花来进行。

建立一个在正常情况下的PCA数据模型，当实际测试的信号与此模型数据发生冲突时，即可判断发生了故障，再通过数据分离出故障。

第二，小波变换诊断法。

这种方法主要针对非平稳信号中的故障排除，小波变换信号，然后出去输入变化导致的奇异点后，剩下的奇异点即为故障点，这种分析方法克服了细节性的缺点，能够从局部信号获得特征信息。

其原理表现为，设ψ∈L2 （R）（平方可积实数空间），其傅立叶变换为ψ（ω）。

当ψ（ω）满足条件：Cψ=d<∞，则称ψ（t）为一个基本小波或者母小波。

将这个母函数伸缩平移之后可以得到一个小波序列，可以通过小波序列对信号进行分解，从而通过每一层级小波系数的重构对信号进行频谱分析，进而得出结论。

第三，利用δ算子分析方法。

利用δ算子在Hilbert空间中所构造的最小M乘正交投影向量集，能够将完整的格形滤波器推导出来，进而将其作为故障检测方式中的滤波器，再利用δ算子的后向预测，将误差向量的首位元素作为残差，配合以自适应噪声抵消技术来使得残差只对故障噪音敏感，从而判断故障发生部位。

第31卷第1期2014年2月沈阳航空航天大学学报Journal of Shenyang Aerospace UniversityVo l .31No .1Feb .2014收稿日期:2013-09-21作者简介:郭立全(1987-),男,河南辉县人,硕士研究生,主要研究方向:航空发动机强度、振动及噪声,E⁃mail :330159020@qq.com ;王克明(1954-),男,辽宁沈阳人,教授,主要研究方向:航空发动机强度、振动及噪声,E⁃mail :wkm 308@ 。

文章编号:2095-1248(2014)01-0012-04基于小波包能量谱的航空发动机故障特征提取方法郭立全袁王克明(沈阳航空航天大学航空航天工程学部(院),沈阳110136)摘要:使用成熟的旋转机械振动信号频谱分析方法,对采集到的多台航空发动机试车振动信号进行分析,找出能反应出发动机转子不对中、转子不平衡和转静件碰磨3种故障频谱特征的振动信号。

再使用小波包将信号分解为不同的频段,之后分别计算能反应出故障信息的特征频段的能量,将它们组成用来区分上述3种故障的特征向量,为以后的航空发动机故障的模式识别做准备。

关键词:小波包;能量谱;故障特征提取;小波包树中图分类号:V 231.92 文献标志码:A doi :10.3969/j.issn.2095-1248.2014.01.003The extraction of aero⁃engine fault feature based on waveletpacket energy spectrumGUO Li⁃quan ,WANG Ke⁃ming(Faculty of Aerospace Engineering ,Shenyang Aerospace University ,Shenyang 110136)Abstract :Using the method of rotating machinery vibration signal frequency spectrum analysis ,this paper analyzes the collected vibration signals of some aero⁃engines ,and finds out the vibration signals which can show the three kinds of fault frequency of rotor misalignment ,rotor imbalance and rotor⁃stator rubbing.Then we use the wavelet packet to decompose the signal to some frequency ranges and calculate the energy of fea⁃ture frequency ranges which indicate the fault information.In the end ,we adopt the wavelet packet energy spectrum to distinguish the three kinds of faults and prepare for the aero⁃engine fault pattern recognition for the future.Key words :wavelet packet ;energy spectrum ;fault feature extraction ;wavelet packet tree 航空发动机的可靠性关系到飞机飞行的安全,全球范围内有很多由于发动机故障而造成的机毁人亡的事故,造成巨大的损失;航空发动机试车时的振动信号能反映出其本身大量的振动相关信息,如何充分地发掘振动信号所能反映的航空发动机的健康状况信息,即航空发动机的故障诊断,如何从存在故障的振动信号中完成故障特征的提取就显得尤为重要。

Internal Combustion Engine &Parts0引言汽车发动机结构复杂，工作条件恶劣，在实际使用过程中经常会发生故障。

气门间隙故障是发动机常见的故障之一，气门间隙故障会影响发动机的正常工作，使发动机功率下降，零部件之间的磨损加速。

因此对气门间隙的工作状态进行监测，当其工作时出现故障时，提出方便可靠的诊断方法有重要的意义[1]。

常规的信号频谱分析技术不容易对非平稳信号进行描述。

非平稳信号的分析方法例如小波变换能够克服常规频谱分析技术的缺点，是一种对信号进行分析和处理的有效方法[2]。

和小波变换相比，小波包的优点是能够将频带进行多层次划分，对多分辨率分析方法没有细分的高频部分能够作进一步的分解，并能根据信号的特点自适应地选择合适的频带，使之与信号频率匹配起来，从而提高频率的分辨率。

对信号进行小波包分解的层数视具体的信号和对特征参数的要求而定。

若细分层过多，计算工作量增大。

如果分解层数过少，很多有价值的细节信息就不能分辨出来[3]。

本文经过分析，对采集的缸盖振动信号进行3层小波包分解。

一个3层小波包分解的结构如图1所示。

目前，支持向量机、模糊C 均值和神经网络方法都已经应用到了发动机故障诊断中。

其中对于神经网络方法的应用和研究，更加广泛[4]。

在人工神经网络的实际应用中，大多都是采用BP 神经网络及其变化形式。

它是前向型神经网络的关键，体现了人工神经网络的精华。

其优点是结构简单、可操作性强、能模拟任意的非线性输入、输出关系，经过训练后的BP 网络运行速度极快，可用于实时处理。

1实验与故障特征提取实验在WD615型柴油机上进行，设置气门间隙为0.06mm 、0.6mm 和1mm ，分别模拟气门正常、轻微故障和严重故障3种工况。

用振动传感器采集发动机缸盖振动信号，采样频率为20000Hz ，采样点数为10000点。

图2为气门3种工况发动机缸盖振动信号，点数为3000点。

对振动信号进行3层小波包分解，以正常信号为例，经3层小波包分解后的重构信号如图3所示。

收稿日期：2015-05-08修回日期：2015-06-17基金项目：辽宁省自然科学基金（2014024003）；航空科学基金（2010ZD54012）；国防预研基金（A0520110023）；国防基础科研基金资助项目（Z052012B002）作者简介：崔建国（1963-），男，辽宁沈阳人，博士，教授。

研究方向：飞行器健康诊断、预测与综合健康管理，仿真技术与应用。

*摘要：舰用发动机是一个复杂的大系统，由于受到海洋恶劣气候的影响，其故障发生的概率大大增加，因此，对舰用发动机故障诊断进行研究具有重大实际意义。

以舰用发动机的主泵轴承为例，提出了基于小波包和支持向量机的故障诊断方法。

首先采用振动加速度传感器获取轴承的振动信号，然后对采集数据进行多层小波包分解，求各频带信号能量，形成各种故障模式下的特征向量。

将形成的故障特征向量训练集输入到支持向量机，通过训练建立诊断分类器，并运用测试数据对建立的诊断分类器进行测试。

实验结果表明，该方法可以很好地实现舰用发动机故障诊断效能，具有很好的工程应用前景。

关键词：支持向量机，小波包，故障诊断，特征向量中图分类号：TP211+.2文献标识码：A基于小波包和支持向量机的舰用发动机故障诊断*崔建国1，刘宝胜1，王桂华2，于明月1，高阳2（1.沈阳航空航天大学自动化学院，沈阳110136；2.沈阳发动机设计研究所，沈阳110000）Fault Diagnosis of Certain Key Components Based on Wavelet Packet and SVM Warship EngineCUI Jian-guo 1，LIU Bao-sheng 1，WANG Gui-hua 2，YU Ming-yue 1，GAO Yang 2（1.School of Automation ，Shenyang Aerospace University ，Shenyang 110136，China ；2.Shenyang Aircraft Design &Research Institute ，Shenyang 110035，China ）Abstract ：Warship engine is a complex system ，due to the impact of marine climate ，the probabilityof failure is greatly increased ，and therefore ，the warship engine fault diagnosis research is of great significance.In this paper ，taking the main pump bearing of the ship engine as an example ，the fault diagnosis method based on wavelet packet and support vector machine is presented.First ，the collected data multilayer wavelet packet and find the signal energy of each band ，formed feature vector various failure modes.Fault feature vectors formed training set input to the support vector machine ，to establish the diagnosis classifier through training and the use of test data established diagnostic classification test.The experimental results show that the method can well realize the ship diesel engine fault diagnosis efficiency and has good prospects for engineering applications.Key words ：support vector machine ，wavelet packet ，fault diagnosis ，feature vectors 0引言舰用发动机是军舰上的重要设备，担负着舰船航行等重要任务，其故障不仅会影响到舰船的可靠性，而且对舰船的航行安全也会构成严重威胁。

基于小波神经网络的航空发动机故障诊断研究摘要：小波神经网络是小波分析理论和神经网络理论结合的产物。

波变换是一种多分辨率的时频分析方法，应用在振动信号处理、故障诊断方面较传统方法优越。

本文在阐述小波分析的基础上，结合人为附加的正态分布噪声，构造了小波神经网络的训练样本和检验样本。

并通过matlab编程的方法得到结论0 引言1．1随着航空工业的飞速发展,航空发动机的安全性与可靠性越来越引起人们的重视。

因其结构复杂,又工作在高速、高温和重载的恶劣环境下,比较容易发生各种故障。

发动机的状态监视与故障诊断对各型航空发动机的可靠性和运行成本等有重大影响。

因此发展发动机的准确、快速的诊断方法十分必要。

发动机的有些故障容易监测、诊断和预防,而有些故障不易发现和预防,尤其是那些灾难性和突发性故障更引起人们的重视。

因此,如何在故障发生之前或发生早期,就能及时捕捉故障信息,并采取有效措施防止故障扩展或发生,对于消除恶性事故隐患,减少或避免一般故障发生更具有特别重要的意义。

机的故障类型多种多样,主要包括稳定性故障、气路故障、振动故障、磨损故障、轴承故障、熄火故障、疲劳结构故障、控制系统故障等等[1]。

神经网络；小波分析；小波分析原理；小波神经网络的模型；matlab样本训练；结论1.1神经网络一个神经网络是一个由简单处理元构成的规模宏大的并行分布式处理器。

天然具有存储经验知识和使之可用的特性。

神经网络在两个方面与人脑相似:(1)神经网络获取的知识是从外界环境中学习得来的。

(2)互连神经元的连接强度，即突触权值，用于储存获取的知识。

自从认识到人脑的计算与传统的数字计算机相比是完全不同的方式开始，关于人工神经网络(一般称为“神经网络”)的研究工作就开始了。

人脑是一个高度复杂的、非线性的和并行的计算机器(信息处理系统)。

人脑能够组织它的组成成分，即神经元，以比今天已有的最快的计算机还要快许多倍的速度进行特定的计算(如模式识别、感知和运动神经控制)。

基于小波奇异性检测的发动机故障诊断方法研究摘要：随着科学技术的全面发展，小波奇异性检测的发动机故障诊断方法的优化十分重要。

其能够使得整体的检测效果更为良好。

本文主要针对小波奇异性检测发动机故障诊断方法进行研究，并提出了相应的优化措施关键词：小波；奇异性检测；发动机故障；诊断方法在进行小波的奇异性检测的过程中，通常需要根据发动机的整体变化对其各种故障进行较为全面的检测。

为了能够使得小波的奇异检测性得到增强。

需要结合波形体系的数据情况对其进行故障诊断的控制。

最终达到较为良好的诊断效果。

0.引言信号的奇异点往往包含故障引起的结构变形和撞击振荡摩擦等重要信息的二进离散小波变换，这样在能够对奇异点的位置进行准确确定的同时，还能够对奇异性特征数学进行信号检测，通过常用的指数来对描述信号的局部特异性进行定量，然而，通过二进离散小波变换计算出的指数，不能进行较为精确的进行计算，不包括与故障程度密切相关的能量信息模极大值的平方和指示能量的物理意义，则能够明确本文中提出了模极大值点能量的概念。

从而使得小波奇异性的检测效率更高。

一、小波奇异性检测的性质分析通过该概念能够对某一段信号的奇异性进行描述，并将其应用到发动机曲轴轴承的故障诊断中，大部分发动机激励源的来源都是从机体上得来的，而机体上所得到的振动信号是内部多个运动部件综合激励的结果，对于故障的判断可以仅仅从振动信号来进行，由于在工作中存在一定的困难，某些部件对系统施加的冲击力与配气相位密切相关，因此，在特定时间段内可以对信息抽取间进行样品采集，对采集到的样品进行分析，能够有效的实现对特定部件的运行状态信息的分离，从而提取出故障信号特征。

在低尺度下，小波变换的突变点与模极大值点需要能够对应准确，但是容易受到噪声的影响，这样会产生许多伪极值，会对最终的判断产生一定的影响，随着尺度的增加，噪声的小波变换幅度也会以指数规律迅速衰减，由于突变尖点的指数和机械振动信号的峰值点通常为正，随着尺度的不断增加，其小波变换的幅值也会增加，从而将噪声和模极大值点分离出来，但在大尺度下模极大值点对于奇异点的定位状态也会相对较差，因此对于定位状态需要进行多角度的分析，这样能够取得良好的效果。

基于小波分析的故障诊断算法前言：小波变换是一种新的变换分析方法，它继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的“时间-频率”窗口，是进行信号时频分析和处理的理想工具。

它的主要特点是通过变换能够充分突出问题某些方面的特征，因此，小波变换在许多领域都得到了成功的应用，特别是小波变换的离散数字算法已被广泛用于许多问题的变换研究中。

从此，小波变换越来越引起人们的重视，其应用领域来越来越广泛。

在实际的信号处理过程中，尤其是对非平稳信号的处理中，信号在任一时刻附近的频域特征都很重要。

如在故障诊断中，故障点（机械故障、控制系统故障、电力系统故障等）一般都对应于测试信号的突变点。

对于这些时变信号进行分析，通常需要提取某一时间段（或瞬间）的频率信息或某一频率段所对应的时间信息。

因此，需要寻求一种具有一定的时间和频率分辨率的基函数来分析时变信号。

小波变换继承和发展了短时傅里叶变换的局部化思想，并且克服了其窗口大小和形状固定不变的缺点。

它不但可以同时从时域和频域观测信号的局部特征，而且时间分辨率和频率分辨率都是可以变化的，是一种比较理想的信号处理方法。

小波分析被广泛应用于信号处理、图像处理、语音识别、模式识别、数据压缩、故障诊断、量子物理等应用领域中。

小波分析在故障诊断中应用进展1)基于小波信号分析的故障诊断方法基于小波分析直接进行故障诊断是属于故障诊断方法中的信号处理法。

这一方法的优点是可以回避被诊断对象的数学模型,这对于那些难以建立解析数学模型的诊断对象是非常有用的。

具体可分为以下4种方法:①利用小波变换检测信号突变的故障方法连续小波变换能够通过多尺度分析提取信号的奇异点。

基本原理是当信号在奇异点附近的Lipschitz指数α>0时,其连续小波变换的模极大值随尺度的增大而增大;当α<0时,则随尺度的增大而减小。

噪声对应的Lipschitz指数远小于0,而信号边沿对应的Lipschitz指数大于或等于0。

航空发动机整机振动故障及其处理技术发布时间：2022-11-11T03:18:36.252Z 来源：《新型城镇化》2022年21期作者：赵东威陆海[导读] 克服了小波包失真的缺点。

当前有必要对发动机生产中振动问题进行技术研究，设计振动数据库及故障诊断技术，为发动机排振工作提供技术支持。

国营长虹机械厂广西壮族自治区桂林市 541000摘要：航空发动机是高速旋转的机械装置，其通常在高温、高压的恶劣条件下工作，整机振动故障频率高，发动机维修成本大，采取有效控制手段来减少发动机振动故障成为当前发动机研究工作的重点。

频谱分析是发动机故障诊断中使用广泛的信号处理方法，可对振动信号进行频谱分析，小波包和谐波小波具有很好的细化分辨能力和很高的频率分辨率能力。

运用小波包和谐波小波对振动信号进行频谱分析，综合对比分析表明，谐波小波变换具有任意划分数据段的能力，小波包具有运算速度快的优点。

关键词：航空发动机；振动故障；维修技术航空发动机工作条件复杂，研制周期长，关于航空发动机整机振动国际性难题，我国相关研究成果较少，国内具备发动机整机振动试验条件的设计单位和生产单位、一些高校针对发动机工作中影响振动的关键部件开展研究。

由于小波具有很好的始频域分割能力，有学者将谐波小波应用到振动信号分析中，克服了小波包失真的缺点。

当前有必要对发动机生产中振动问题进行技术研究，设计振动数据库及故障诊断技术，为发动机排振工作提供技术支持。

1航空发动机整机振动故障机理航空发动机是无限自由度振动系统，各种激励振动影响发动机整机振动，由于发动机结构复杂，安全性能要求更高。

信号是信息的载体，需要转化为传输媒质能接受的信号形式，振动信号分为连续信号与离散信号，振动是动态量，航空发动机是复杂的机械装置，其振动信号形式非简谐振动[1]。

航空发动机振动分析不能脱离高低压转子转频，通过对振动信号进行傅里叶变换，能将复杂振动信号频率分量幅值进行简单处理。

2航空发动机整机振动故障原因分析2.1 转子故障（1）转子不平衡故障。

基于小波分析的核心机故障诊断技术研究唐志帅;刘兴华;胡晓晴【摘要】核心机是航空发动机的核心部件,其结构复杂且工作环境恶劣,发生故障后损失惨重.从小波分析的角度出发,分析了传统傅里叶变换和窗口傅里叶变换的不足.结合核心机故障诊断的具体要求,提出了基于故障频率、基于频率突变点、基于特征向量的诊断方法,仿真分析表明小波分析能够及时、准确的提取弱故障特征信号.最后给出了核心机故障诊断的总体方案.【期刊名称】《电气自动化》【年(卷),期】2015(037)002【总页数】3页(P103-105)【关键词】傅里叶变换;小波分析;小波包;故障诊断;核心机【作者】唐志帅;刘兴华;胡晓晴【作者单位】上海飞机设计研究院,上海201210;上海飞机设计研究院,上海201210;霍尼韦尔(中国)有限公司,上海201203【正文语种】中文【中图分类】TP206高空台核心机试验中，因核心机结构极其复杂，又工作在高速、高温和重载的恶劣环境下，易发生各种故障，甚至会导致重大事故的发生。

伴随故障的发生，核心机在运行过程中必然会产生振动、噪声、温度、压力等物理参数的变化。

核心机的故障诊断技术就是依据这些参数的变化来判断和识别核心机的工作状态和故障，对故障进行早期预报、识别，保证在高空台试验中核心机安全、稳定、可靠地工作。

由于核心机本身结构、重量以及监测手段的限制，实际可得到的参数和故障征兆是有限的，在故障早期阶段，其故障信息易被淹没在噪声信号中。

这就决定了核心机故障诊断的特殊性，即诊断信息少，很难确诊故障，常规方法难以解决此问题。

因此，在核心机故障诊断中，特征提取是诊断的重要环节，其中弱故障特征信息的提取更是一个关键[1]。

小波分析被看作是调和分析这一数学领域半个世纪以来的工作结晶，它是一种时频分析方法，在时域和频域同时具有良好的局部化性质，为信号分离、弱信号的特征提取提供了一种方法。

小波分析能克服传统傅里叶变换及窗口傅里叶变换的不足，是航空发动机故障诊断信号处理的一种有效的工具。