基于FA-ASTFA和最小凸包的齿轮裂纹故障预测模型

自适应最稀疏时频分析(ASTFA)方法采用高斯牛顿迭代,自适应地实现信号的稀疏分解,但该方法必须根据经验确定一个初始相位,作为高斯牛顿迭代的初值。为了防止迭代结果发散,针对初始相位最优选择问题,提出了一种改进的ASTFA算法,即基于萤火虫算法(Firfly Algorithm)的ASTFA方法(简称FA-ASTFA),仿真与试验信号分析结果证明了改进算法的有效性。相比传统时域特征,最小凸包能提取信号的空间信息。基于此,提出了基于FA-ASTFA和最小凸包的齿轮裂纹故障预测模型,试验对比分析表明,预测模型在预测齿轮早期裂纹故障时比传统预测模型具有更大的可靠性和准确性。