胡瑞杰 庞学博 佘彩青 刘艾强 胡少梁 李宏坤

（1.大连理工大学机械工程学院；2.中车大连机车研究所有限公司；3.西安航天动力研究所）

0 引言

风能是一种清洁无公害的可再生能源，蕴含巨大能量，目前日益受到世界各国重视，风电已经成我国第三大主力电源[1]。但由于风力发电机服役环境恶劣，长期处于变转速、变载荷及强瞬时冲击的工况下，其行星齿轮箱极易发生故障[2]。当行星齿轮箱发生故障时，其振动信号表现出明显的非平稳、非线性特点，且受故障、转速和传递路径等多种因素影响表现出调频、调幅和调相等特点[3]，给特征提取造成困扰。传统的时域与频域分析方法只适合提取恒定转速下平稳信号的特征，无法提取变转速下非平稳信号特征。时频分析是提取非平稳信号特征的一个重要方法，通过联合信号的时间与频率，对其故障特征进行表示[4]。近些年也有学者从自适应分解方法的角度出发研究变转速机械设备故障诊断问题[5]。

传统的时频分析方法有短时傅里叶变换(Shorttime Fourier Transform，STFT)、小波变换(Wavelet transform，WT)、Gabor 变换和魏格纳变换(Wigner-Ville Distribution，WVD)等等[6]，广泛应用于机械设备故障诊断、状态监测以及寿命预测等领域[7]。以STFT、WT、Gabor 变换为代表的线性时频分布通过内积来处理信号，从而确定各频率成分随时间变化的趋势。但由于其窗函数固定，缺乏自适应性。根据Heisenberg不确定性原理，这类方法的时间分辨率与频率分辨率不能同时达到最优[8]。以WVD 为代表的双线性时频分布根据能量守恒原理[9]，是一种利用时域与频域的概率密度函数来表示信号的能量二次型时频分布。……