10.13465/j.cnki.jvs.2017.11.003
GS-ASTFA方法及其在滚动轴承寿命预测中的应用
自适应最稀疏时频分析(Adaptive and Sparsest Time-Frequency Analysis,ASTFA)方法是一种新的信号分解方法,该方法将信号分解问题转化为优化问题,以得到信号的最稀疏解.优化过程采用高斯-牛顿迭代算法,但高斯-牛顿迭代算法对初值依赖性高,采用黄金分割法(Golden Section,GS)对ASTFA方法进行初值搜索,提出了基于黄金分割搜索初值的ASTFA方法(GS-ASTFA),仿真信号的分析结果验证了改进方法的有效性.继而采用该方法提取了滚动轴承故障特征值,并成功地进行了故障特征值趋势分析和寿命预测.
自适应最稀疏时频分析、黄金分割法、趋势分析、寿命预测
36
TH165.3;TN911.7
国家自然科学基金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
2017-08-16(万方平台首次上网日期,不代表论文的发表时间)
共6页
14-19