基于鲁棒子带峭度均值图谱的旋转机械故障诊断方法（MATLAB）

首先将原始振动信号等分为多个数据段，对每一段进行双树复小波包分解，获得各子带的复系数。

然后计算每个子带系数的峭度，并将所有段的峭度值按子带位置取平均，得到反映各频带冲击特性的平均峭度图。

接着，通过搜索峭度最大值确定最优分析子带，利用逆变换仅保留该子带成分重构信号。

最后，对重构信号进行包络解调分析，提取故障特征频率。该方法通过分段平均提高了峭度估计的稳健性，利用双树复小波包变换的近似平移不变性和良好方向选择性，能有效提取微弱故障冲击。

算法步骤：

数据预处理：读取轴承振动信号，去除直流分量，确保信号长度是分段数K的整数倍。

信号分段：将预处理后的信号等分为K段，每段长度相同，用于后续的峭度平均计算。

双树复小波包分解：对每一段信号进行多层双树复小波包变换，获得各层所有子带的复系数（实部与虚部分别来自两棵树）。

子带峭度计算：对每个子带的复系数求取峭度值，峭度定义为四阶中心矩与二阶中心矩平方的比值，并针对复信号进行修正（减去2）。

平均峭度图构建：将K段信号对应子带的峭度值进行平均，得到每一层所有子带的平均峭度，形成大小为（层数+1）×（子带总数）的矩阵，并以图像形式显示，横轴为归一化频率，纵轴为分解层数，颜色深浅表示峭度大小。

最优子带选择：在平均峭度图中寻找峭度最大值所在的位置，确定对应的分解层数I和子带索引J，该子带被认为包含最突出的故障冲击成分。

信号重构：利用双树复小波包逆变换，仅保留最优子带的系数（其余子带系数置零），从第I层开始逐层向上重构，得到滤波后的时域信号。

包络解调分析：对重构信号进行Hilbert变换求取包络，再对包络信号做傅里叶变换得到平方包络谱，从中识别故障特征频率及其倍频，从而诊断故障类型。

结果输出：绘制滤波后信号的时域波形和平方包络谱，标注关键频率信息。

担任《Mechanical System and Signal Processing》《中国电机工程学报》《宇航学报》《控制与决策》等期刊审稿专家，擅长领域：信号滤波/降噪，机器学习/深度学习，时间序列预分析/预测，设备故障诊断/缺陷检测/异常检测