锥齿轮减速机小波变换技术。锥齿轮减速机小波分解与重构也可看成滤波的形式。小波分解第一层的信号分解与重构算法，可以从分解与重构两个相反的方向来说明小波变换的问题。在(a)的分解过程中，离散信号与一低通滤波器 H 和一个齿轮减速马达高通滤波器G卷积相乘，产生两个向量和向量内的系数叫逼近系数而向量内的系数叫细节系数。齿轮减速马达表示下抽样。也就是说锥齿轮减速机滤波后的信号忽略了奇数的指数系数，使得经第一步分解产生的系数数量与离散信号 s 的系数相当。
可以看到，锥齿轮减速机原函数在t=1500 处是连续且光滑的，其一阶导数在此处连续，但二阶导数不连续，这导致小波在t=1500 处发生剧烈的变化。由此可用小波找出二阶导数不连续点的位置，说明齿轮减速马达小波具有检测到隐含在函数导数中的突变信息。综上所述，近似信号a1~a5 逐渐的将两个正弦波分离出来，因此小波分解的逼近信号反映了所分解信号的大致轮廓概貌和发展趋势。从可以看出，经db2 小波分解后的细节齿轮减速马达信号d1～d5 清晰的显示出了该信号的频率间断，因此我们从这些锥齿轮减速机信号上就能够较好的判断其信号突变点的出现时间和大概位置。这在我们对存在故障的复杂机械设备进行瞬时冲击信号检测时提供了较为有力的帮助。而从对分段信号所作的频域图可以看出，我们只能仅仅知道该信号所含的大概频率，而这只是齿轮减速马达平稳信号所具有的频率，我们不能够从图上得知整个信号变化的规律，同时也不知道信号发生突变的时间及位置。 FFT 不能同时显示时间和频率的谱图，这就给具体的诊断过程带来了不便。由上可知，小波分析能更好的表示信号的全貌和发展趋势，同时其在突变点监测上的优势使其越来越多的应用在了非平稳冲击锥齿轮减速机信号的故障监测当中。而 FFT 由于其在齿轮减速马达非平稳冲击信号分析中的不足，使得其应用受到较大的局限，这就使得以小波分析为主要分析手段的时频分析得到了普及。
锥齿轮减速机小波分析作为一种全新的信号分析手段，在信号的特征提取方一面具有传统傅立叶分析无可比拟的优越性，这主要表现在小波分析同时具有较好的时域特性和频域特性，能聚焦到信号的任何细节，齿轮减速马达小波分析时所加的窗是面积一定，长宽可以改变，信号的正交分解是无冗余的，不存在能量的泄漏。所以小波分析是一种很好的特征提取工具。无论锥齿轮减速机齿轮振动信号还是滚动轴承振动信号常常含有大量的噪声，直接对振动信号进行频谱分析，故障特征频率成分在频谱图上有时没有突出显示。为了能够在齿轮减速马达频谱图上凸显故障特征频率，常常须对振动信号进行降噪处理，然后再进行频谱分析。锥齿轮减速机小波分析法是较为有效的信号降噪处理方法，它可以提取感兴趣周期信号，抑制噪声与其它周期信号。另外，可用模拟或数字的方法对信号进行滤波、包络检波等处理，以提高信噪比，突出故障信息。http://www.vemte.com/nmrvjiansuji.html