涡轴发动机的工况决定它容易在转子过渡态因瞬间失衡而出现碰摩现象。碰摩故障会引起部分统计特征参数发生突变现象。基于三叉树检测算法,提出转子局部碰摩故障监测方法。基于某涡轴发动机转子振动倍频幅值包络线、试车转速曲线,分别仿真涡轮机匣测点发生局部碰摩故障与正常工作状态下的振动信号。对振动信号进行频谱分析,并提取振动信号的峭度指标、裕度指标、总量,以对转子碰摩故障进行甄别。结果表明:转子基频容易凸显故障特征;基于统计特征的碰摩监测方法能够较好地识别出转子碰摩故障。

在进行自适应最稀疏分析（Adaptive and Sparsest Time-Frequency Analysis,ASTFA）时需要人为地选定分量带宽控制参数λmax，λmax选用不当会引起模态混淆，针对ASTFA的这种缺陷，利用总体平均经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）的自适应性，提出完全自适应最稀疏分析（Complete Adaptive and Sparsest Time-frequency Analysis，CASTFA）方法。CASTFA以EEMD分解出来的分量为参考，自适应地确定λmax。仿真结果结果表明CASTFA能够抑制ASTFA方法的模态混淆现象，且分解效果优于EEMD方法。将CASTFA方法应用于转子碰摩故障诊断，结果表明了该方法的有效性。