基于自适应最稀疏时频分析的阶次方法及应用

《基于自适应最稀疏时频分析的阶次方法及应用》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。基于自适应最稀疏时频分析的阶次方法及应用　　摘要：自适应最稀疏时频分析是一种新的时频分析方法，该方法将信号分解转化为最优化问题，在优化的过程中实现信号的自适应分解。为解决ASTFA方法初始相位函数的选择问题，采用了分辨率搜索改进的ASTFA方法，并进一步结合阶次分析方法提出了基于ASTFA的阶次方法。该方法首先采用改进的ASTFA方法对原始信号进行分解

2、同时获得分量的瞬时幅值，然后对瞬时幅值进行阶次分析从而提取故障特征信息。将该方法应用于变速齿轮传动过程中的时变非平稳振动信号的分析与处理，仿真与实验分析表明该方法能够准确提取变速齿轮的故障特征信息，具有一定的优越性。　　关键词：自适应最稀疏时频分析；故障诊断；齿轮；阶次分析；时变非平稳信号　　中图分类号：；TH165+.3文献标志码：A文章编号：1004--0542-07　　DOI：/　　引言为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用，我们不仅把资源运用于课堂教学，还利用系统的特色栏目开展课外活动，对学生进行安全教

3、育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。　　通过对振动信号进行分析与处理以提取相关信息已成为故障诊断与设备状态监控等领域常用的技术手段。对于齿轮传动，其升降速过程的振动信号包含了丰富的状态信息，一些在平稳运行时不易反映的故障特征可能会充分地表现出来[1]，因此对齿轮升降速过程的振动信号进行分析对于齿轮的故障诊断是非常有意义的。工程上，一般采用

4、阶次分析方法来实现时变非平稳信号的平稳化，它可以将齿轮变速过程中产生的与转速有关的振动信号有效地分离出来，同时对与转速无关的信号起到一定的抑制作用[2]。当齿轮发生故障时，其振动信号具有多分量的调幅调频特性，因此在阶次分析之前还需要将其分解为若干个单分量的调幅调频信号之和。目前广泛使用的分解方法是EMD方法，其通过多次迭代将信号分解为一系列具有不同时间尺度的内禀模态函数之和，并通过Hilbert变换得到分量信号的瞬时频率和瞬时幅值[3]，然后对得到的瞬时幅值进行阶次分析。实际上，这个过程是基于EMD的包络阶次谱方法，其首先进行

5、EMD分解，然后采用Hilbert包络解调方法对调幅调频信号进行处理以提取调幅特征[4]，最后对包络信号进行阶次分析。EMD方法自提出后已广泛用于结构分析、设备诊断等各个研究领域，取得了较好的效果[5]。但是EMD方法缺少理论模型和数据基础，在应用上还会产生过包络、欠包络、模态混淆等问题[6]。另外，采用Hilbert包络解调方法对调幅调频信号进行处理以提取调幅特征，会由于Hilbert变换而产生的负频率问题[7]。　　受近年来发展的压缩感知理论以及EMD方法的启发，THOMASYHOU和Zuoqiang为了充分发挥“教学点数

6、字教育资源全覆盖”项目设备的作用，我们不仅把资源运用于课堂教学，还利用系统的特色栏目开展课外活动，对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。SHI于XX年提出了一种自适应最稀疏时频分析方法[89]，主要思想是基于高斯牛顿迭代法解决非线性优化问题从而实现信号的分解，通过寻找原信号的最稀疏表示，将信号分解问题转化为非线性优化问题。A

7、STFA与EMD方法不同，ASTFA在目标优化的过程中实现信号的自适应分解，并直接得到各分量的瞬时频率和瞬时幅值，从而获得原始信号完整的时频分布。ASTFA具有明确的数学基础[10]，而且不需要进行Hilbert变换就可以直接得到各分量的瞬时频率和瞬时幅值，避免了使用Hilbert变换产生的负频率问题[7]。但是，ASTFA使用了高斯牛顿迭代方法来解决非线性优化问题，因此其对初始相位函数的选择非常敏感，本文采用一种基于分辨率搜索初值的ASTFA方法以实现自适应的寻找最优的初值范围。　　本文将改进的ASTFA方法与阶次分析方法相

8、结合提出了基于ASTFA的阶次分析方法。首先采用改进的ASTFA方法对原始信号进行分解同时获得各分量的瞬时幅值，再对瞬时幅值进行阶次分析得到局部特征信息。将该方法应用于变速工况下存在故障的齿轮振动信号的分析与处理，结果表明该方法能够有效提取相应的故障特征信息，适宜于处理时变非