李蓉　李付豪　田莉莉　刘坚

摘要：针对数据驱动时频分析方法（Data-Driven Time-Frequency Analysis，DDTFA）的初始相位函数估计直接影响算法的收敛性及分解精度的问题，将多尺度线调频基稀疏分解方法（Multi-Scale Chirplet Sparse Decomposition，MSCSD）引入DDTFA的初始相位函数估计中，提出了MSCSD-DDTFA方法，并应用于变转速齿轮故障诊断中。MSCSD方法采用分段线性拟合的思想，可从低信噪比信号中精确地估计出信号的瞬时频率，进而求取相位函数；DDTFA方法则可根据MSCSD估计的相位函数不失真地分离出时变非平稳信号分量；最后，可根据MSCSD估计出的瞬时频率对信号分量进行阶次包络分析，获取阶次包络谱以诊断变转速齿轮故障。算法仿真和应用实例表明：该方法可准确分离出信号中的时变非平稳信号分量，并提取变转速齿轮故障特征。

关键词：故障诊断；数据驱动时频分析；多尺度线调频基；稀疏分解；匹配追踪

中图分类号：TH165⁺.3；TN911.7 文献标志码：A 文章编号1004-4523（2018）01-0148-09

DOI：10.16385/j.cnki.issn.1004-4523.2018.01.018

引言

齿轮传动是机械设备中常见的传动方式。机械设备中的齿轮因工况、负载等改变常处于变转速下运行。变转速机械振动信号中蕴含了丰富的动力学特性与故障征兆信息，该信息对于机械设备的状态监测和早期故障的诊断至关重要。当齿轮处于变转速下运行时，其振动信号为时变非平稳信号，此时，基于平稳假设的信号分析方法不再适用。

对于时变非平稳信号的分析，较为常用的方法主要有时频分析方法。经验模态分解（EmpiricalMode Decomposition，EMD）方法因无需预设基函数，且信号分解效果优于小波分析，因而成为了自适应时频分析方法中一种重要的方法并得到广泛的应用。……