摘要：针对非平稳信号时频分析,结合分数阶傅里叶变换和S变换,提出了一种分数阶S变换,将信号分析从时间-频率域推广到时间-分数阶频域,并应用于齿轮箱故障诊断。通过仿真信号和齿轮箱故障信号分析,验证了分数阶S变换良好的时频聚集性。采用脉冲耦合神经网络进一步提取分数阶S变换时频图的特征参数,对齿轮箱故障信号进行了分类。结果表明,基于分数阶S变换提取的特征参数能更有效地区分齿轮箱的不同状态信号,从而提高齿轮箱故障诊断精度。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社