减速机振动信号常用预处理方法（实用版）
减速机齿轮、轴承振动信号含噪声、趋势漂移、干扰分量、转速波动，预处理目的：去噪、去趋势、剔除干扰、平稳化、突出故障特征，为后续 FFT、包络、故障特征提取做准备。
一、基础预处理（必做）
1. 去除趋势项（去漂移）
作用：消除传感器零点漂移、温度漂移、低速低频缓变分量，避免低频假频率干扰频谱。
常用方法：
- 小二乘法多项式拟合去趋势
- 滑动平均去趋势
- 小波趋势提取去除适用：低速减速机、长时间采集信号、加速度传感器温漂明显场景。
2. 剔除奇异值 / 野点剔除
作用：去掉瞬时脉冲干扰、电磁干扰、瞬时冲击野点。
方法：
- 3σ 准则（格拉布斯准则）
- 中位数滤波剔除野点
- 阈值超限替换 / 插值
3. 信号截取与分段
作用：切除启停过渡段、只保留
稳态恒转速恒负载数据。
做法：截取中间平稳运行时段，分段平均、整周期采样。
二、滤波降噪类（常用）
1. 经典线性滤波
- 低通滤波：滤除高频电磁噪声、结构共振杂波，保留齿轮啮合、轴承特征频段。
- 高通滤波：滤除低频基座振动、地基干扰、转速低频分量。
- 带通滤波：锁定齿轮啮合频率 / 轴承故障特征频段，只保留有效信号，压制全频噪声。常用：巴特沃斯、切比雪夫、椭圆滤波器。
2. 滑动平均滤波
简单易行，现场快速降噪，适合在线监测；缺点：会抹平局部冲击故障（断齿、点蚀），早期故障慎用。
3. 中值滤波
优点：保冲击、去脉冲噪声，非常适合减速机断齿、点蚀、剥落类冲击型故障预处理。
三、自适应分解降噪（高端常用）
1. EMD 经验模态分解
把信号自适应分解为若干 IMF 本征分量，
剔除噪声 IMF、保留故障 IMF再重构。
适合：非平稳、变转速减速机信号。
2. VMD 变分模态分解
比 EMD 抗模态混叠更强，工业诊断首选；
按频率剖分，分离
齿轮啮合分量、轴承分量、噪声分量、基座干扰分量，重构纯净故障信号。
3. 小波 / 小波包降噪
多尺度时频降噪，优势：
- 低频去基线漂移
- 中频保留齿轮啮合特征
- 高频提取轴承、点蚀微冲击适合早期微弱故障、信噪比低的现场信号。
四、调制与解调预处理（齿轮 / 轴承专用）
1. 希尔伯特变换 + 包络预处理
对原始信号做包络解调，把高频调制的齿轮边频、轴承冲击调制，解调成低频包络信号，是齿轮点蚀、断齿、轴承故障必备预处理。
2. 同步平均（时域同步平均 TSA）
按轴转速整周期做同步叠加平均：
- 压制随机噪声
- 保留齿轮周期性啮合成分
- 大幅提升信噪比齿轮故障诊断黄金预处理方法。
五、转速波动校正预处理
1. 重采样 / 阶次跟踪预处理
减速机变转速、启停、负载波动时，时域非平稳；
通过
等角度重采样，把时域信号转为
角域平稳信号，消除转速波动，便于阶次谱分析。
2. 整周期采样与相位对齐
按齿轮轴每转整周期截断，避免 FFT 频谱栅栏效应、泄漏，提高啮合频率、边频分析精度。
六、归一化与标准化
- 幅值归一化、均值归零、方差归一化作用：消除传感器灵敏度、放大倍数差异，便于多测点、多时段数据横向对比和智能诊断建模。
现场工程选用推荐（直接照用）
- 常规日常巡检：去趋势 + 中值滤波 + 带通滤波
- 齿轮故障（磨损 / 点蚀 / 断齿）：去趋势 + 小波降噪 + 时域同步平均 + 包络解调
- 低速、变工况减速机：VMD 分解降噪 + 阶次跟踪重采样
- 信噪比极低、干扰大现场：野点剔除 + VMD + 包络分析
需要我给你整理一份「减速机振动信号预处理标准流程步骤 + 参数设置（滤波截止频率、VMD 模态数、小波基选择）」可直接套用吗？
