摘要：目前对齿轮裂纹的诊断研究多采用定性诊断,而工程实际中往往更关注定量诊断。由于齿轮裂纹信号往往表现出非线性非平稳特征,处理这类信号通常采用时频分析。自适应最稀疏时频分析（Adaptive and Sparsest TimeFrequency Analysis,简称ASTFA）是一种新的时频分析方法,相比于经验模态分解（Empirical Mode Decomposition,简称EMD）方法,ASTFA方法能更好地抑制端点效应和模态混淆,但ASTFA方法也存在分解得到的分量排列不规律的缺陷,从而给特征提取时分量的选择带来困难。针对这一问题,提出了一种改进ASTFA算法,即基于主模态分析（Principle Mode Analysis,简称PMA）的自适应最稀疏时频分析（PMA-ASTFA）方法,该方法可以根据所选择的故障特征参数（一个或多个）对内禀模态函数（Intrinsic Mode Function,简称IMF）分量进行排序。根据齿轮故障实验台建立齿轮动力学模型,选择对齿轮裂纹敏感的故障特征参数,再把PMA-ASTFA方法用于实测的齿轮裂纹故障信号处理。实验信号的分析结果表明,提出的方法可以有效地实现齿轮裂纹故障的定量诊断。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社