10.16385/j.cnki.issn.1004-4523.2017.05.018
PMA-ASTFA及其在齿轮裂纹定量诊断中的应用
目前对齿轮裂纹的诊断研究多采用定性诊断,而工程实际中往往更关注定量诊断.由于齿轮裂纹信号往往表现出非线性非平稳特征,处理这类信号通常采用时频分析.自适应最稀疏时频分析(Adaptive and Sparsest Time-Frequency Analysis,简称ASTFA)是一种新的时频分析方法,相比于经验模态分解(Empirical Mode Decom-position,简称EMD)方法,ASTFA方法能更好地抑制端点效应和模态混淆,但ASTFA方法也存在分解得到的分量排列不规律的缺陷,从而给特征提取时分量的选择带来困难.针对这一问题,提出了一种改进AST FA算法,即基于主模态分析(Principle Mode Analysis,简称PMA)的自适应最稀疏时频分析(PMA-ASTFA)方法,该方法可以根据所选择的故障特征参数(一个或多个)对内禀模态函数(Intrinsic Mode Function,简称IMF)分量进行排序.根据齿轮故障实验台建立齿轮动力学模型,选择对齿轮裂纹敏感的故障特征参数,再把PMA-ASTFA方法用于实测的齿轮裂纹故障信号处理.实验信号的分析结果表明,提出的方法可以有效地实现齿轮裂纹故障的定量诊断.
故障诊断、改进的自适应最稀疏时频分析、主模态分析、齿轮裂纹、定量诊断
30
TH165+.5;TN911.7
国家重点研发计划项目2016YFF0203400;国家自然科学基金资助项目51575168 ,51375152;智能型新能源汽车国家2011协同创新中心、湖南省绿色汽车2011协同创新中心资助项目
2017-12-06(万方平台首次上网日期,不代表论文的发表时间)
共7页
849-855