段礼祥，张来斌，岳晶晶

(中国石油大学机械与储运工程学院，北京 102249)

对齿轮箱进行故障诊断，能够减少齿轮箱故障带来的经济损失，提高齿轮箱运行的可靠性和安全性。针对齿轮箱振动信号所具有的强烈的非平稳特性，信号处理方法主要有小波变换［1］、Wigner-Ville分布［2］、EMD 分解［3］。然而，小波变换是对时频平面的一种机械格型分解，缺乏对所研究信号的自适应性［4］;Wigner-Ville分布作为时频分析方法，可同时从时域和频域对时间序列进行分析，但分析多分量信号时易产生交叉项［5］;EMD分解具有很强的自适应性，能够有效地分析非线性与非平稳信号，但存在端点效应、模态混叠，筛选过程和计算复杂度高，不利于实时计算［6］等缺陷。而Mark G.F.和Osorio I.［7］提出的固有时间尺度分解(intrinsic time-scale decomposition，ITD)是一种新的非平稳信号时频分析方法。该方法能够精确地提取信号的瞬时特征，有较高的拆解效率和频率分辨率，可以实时处理大量数据［8-9］。因此，笔者将 ITD和模糊聚类(FCM)相结合应用到齿轮箱的故障诊断中以期取得更高的准确性与效率。

1 固有时间尺度分解算法

ITD算法是将待分解的非平稳信号分解成一系列的固有旋转分量与一个单调的趋势分量之和，分解得到的每层固有旋转分量定义了瞬时频率、瞬时幅度等时频信息［10］。对于待分解的信号Xt，定义一个基线提取算子L，使得从信号Xt中抽取一个基线后剩下的余量信号成为一个固有旋转分量(proper rotation component，PRC)。信号Xt的一次分解的表达式为

式中，Lt和Ht分别为一次分解后得到的基线信号和固有旋转分量。……