彭延峰， 程军圣， 杨 宇

(湖南大学汽车车身先进设计制造国家重点实验室， 湖南 长沙 410082)

ACROA优化的自适应最稀疏窄带分解方法①

彭延峰， 程军圣， 杨 宇

(湖南大学汽车车身先进设计制造国家重点实验室， 湖南 长沙 410082)

提出了基于人工化学反应优化算法(artificial chemical reaction optimization algorithm，ACROA )的自适应最稀疏窄带分解(adaptive sparsest narrow-band decomposition，ASNBD)方法，将信号分解转化为对滤波器参数的优化问题，使用ACROA进行优化，以得到信号的最稀疏解为优化目标，在优化过程中将信号自适应地分解成若干个具有物理意义的局部窄带信号。对数值仿真和齿轮故障数据进行分析，结果表明该方法在抑制模态混淆、抗噪声性能、提高分量的正交性和准确性等方面要优于ASTFA方法、基于遗传算法(genetic algorithm，GA)的ASNBD方法及总体平均经验模态分解(ensemble empirical mode decomposition，EEMD)方法，并能有效识别出齿轮的典型故障。

故障诊断； 齿轮； 自适应最稀疏窄带分解； 人工化学反应优化算法； 局部窄带信号

引 言

在机械故障诊断领域中，振动信号的分析与处理方法一直都是研究的热点。近年来，稀疏分解方法和经验模态分解方法[1-4]等自适应信号分析方法得到了广泛地应用。但是稀疏分解方法需要事先根据信号的特征选择原子构成过完备原子库，缺乏自适应性，且分解得到的分量缺乏物理意义。而EMD方法存在端点效应和模态混淆等缺点。尽管Z WU和N E HUANG提出的总体平均经验模态分解方法[5-6]对模态混淆有很好的抑制作用，但EEMD也存在如添加白噪声残留较大，分解不完备等问题。

受稀疏分解方……