三相异步电动机的啮合频率。三相异步电动机小波分解过程中可以看出，小波系数 d3 不仅能将齿轮的故障振动信号分离出来，更为重要的是，它保留了故障信号的时间信息，这些时间信息反映了刹车电机信号的重复频率及它们的变化规律，包含着三相异步电动机故障模式的信息。为有效地提取这些故障信息，对小波系数 d3 进行包络检波，然后对刹车电机包络信号进行频谱分析。小波系数 d3的包络检波通过 Hilbert 变换来实现。
刹车电机轴上齿轮的啮合频率和它的2倍频，3倍频。由此可得出转轴 上的齿轮存在故障。因此，由上例可知小波变换是一种提取淹没于非平稳振动信号中故障振动信号的有效手段。从上述试验结果分析可以得到结论，利用小波多分辨分析理论对故障振动信号在各小波空间进行分解，再对能反映出故障特征信息的刹车电机小波空间的小波系数进行包络谱分析就能有效地提取齿轮故障特征信息。结合实例我们可知小波变换对于齿轮故障的识别定位要优于传统的快速傅里叶变换。三相异步电动机小波变换在高频段中有较好的时间分辨率和较低的频率分辨率.对于包含多种频率的谐波和叠加信号，使用小波变换理论对于故障信号进行识别的精度要高于 FFT ，这说明小波变换是区分高频域中瞬时故障的有力工具。通过三相异步动机实例分析说明，小波变换能够成功的检测和定位刹车电机中的故障。这个研究说明小波理论在检测刹车电机故障中的有效性，同时也说明它也是一种监测三相异步电动机运行工况的较好工具。
结合刹车电机非平稳机械运行状态，介绍了应用小波快速分解的 Mallat 算法理论进行故障信号检测和降噪的基本原理。通过小波变换后，可以获取平稳振动信号和瞬态冲击故障信号的时频特性。结合实例结果表明，刹车电机方法可以有效地提取淹没在非平稳振动噪声信号中的瞬态冲击故障信号的特征并准确检测出冲击故障信号，验证了该方法对三相异步电动机机械设备进行故障诊断的有效性。
刹车电机振动信号由于含有机械工作部件的动态信息而经常用于三相异步电动机机械系统的故障诊断。这些机械振动信号叠加了窄带频率的基频信号和谐波信号，同时这些信号与旋转机械系统密切相关，当系统中某一部件出现损坏导致三相异步电动机振动能量增加时便能从信号上有所反映。一些用于故障诊断的传统分析方法，包括时域分析和频谱分析，能有效地对刹车电机故障进行诊断在假设信号是平稳的条件下。然而，当出现临界条件及刹车电机转速发生突变的时候传统的分析方法如快速傅里叶变换 (FFT) 并不总是有效。 FFT 常用于识别谐波信号，但是由于固定的时间和频率分辨率(如 4.10 节所述)，使之在三相异步电动机分析瞬时信号时就无能为力了，例如淹没在噪声信号中的短时脉冲。小波变换克服了上述缺点，刹车电机利用其空间局部化性质，它可以在不同的时间分辨率下对信号进行分析。因此，三相异步电动机小波变换是振动信号分析和处理的有力工具。http://www.vemte.com/Products/jiaoliudianji.html