2.2 數據處理系統
　　該系統是在WindowsXP 平臺下，利用Visual C++ 與matlab7.0 混合編程實現的。
　　本系統可以實現時域和頻域特征值的提取，采用FFT 作為頻譜分析算法，還利用了小波分析對信號特征量作進一步的分析，FFT 算法和小波分析算法部分利用matlab7.0實現，界面部分則由C 語言完成，代碼執行效率高、實時性好。數據采集顯示程序采集來的數據保存在一個txt 格式的文本中，直接載入這個文本，去掉其中的字符部分保存純數據的文本就可以進行時域特征值計算和譜分析了。數據處理程序流程圖如圖3 所示。
　　3. 數據處理算法
　　采集卡采集來的信號是離散的時間序列，保存在一個txt 格式的文本當中。分別對這些信號進行時域分析和頻域分析。
　　3.1 時域統計
　　時域統計指標根據量綱和無量綱分為兩部分，一部分是常用的有量綱特征值，包括最大值、最小值、峰峰值、均方值和方差；另一部分成為無量綱的特征分析值，包括方根幅值、平均幅值、均方幅值、峭度、波形指標、峰值指標、脈沖指標和裕度。

　　3.2 頻域分析
　　通過對采集來的振動信號進行FFT 之后就可以得到這組信號中各軸的轉頻和齒合頻率及其高次諧波等的主要頻率成分，各頻率成分的幅值大小，同時，還利用小波分析的伸縮和平移等運算功能對函數或信號進行多尺度細化分析來補充傅立葉變換的不足決的，并對這些數據建立詳細的數據庫檔案。通過比較同一頻率成分下幅值、能量的變化情況和有無新的頻率成分產生，對于判斷齒輪箱的故障產生的部位、故障類型和產生的原因提供了非常有利的手段。
　　小波變換中的多分辨分析可以對信號進行有效的時頻分解，但由于其尺度是按二進制變化的，即對信號的頻帶進行指數等間隔劃分。
　　每層分解都是將上層分解的低頻信號再分解為低頻和高頻兩部分，而沒有對高頻部分再進行分解，因而高頻段的頻率分辨率較差，而低頻段的時間分辨率較差。小波包分析將頻帶進行多層次劃分，能對多分辨分析沒有細分的高頻部分進一步分解，并能夠根據被分析信號的特征，自適應地選擇相應頻帶，使之與信號頻譜相匹配，從而提高時-頻分辨率。
　　4. 齒輪箱的主要故障及