一种新的风电机组轴承故障监测与诊断策略
作者:
齐咏生
[1]
赵鹏
[1]
高胜利
[2]
王林
[1]
刘月文
[3]
关键词:
故障诊断
聚合经验模态分解
核熵成分分析
Teager能量算子
滚动轴承
摘要：
大型风力发电机组的轴承振动信号往往呈现非线性、非平稳特性,目前常用故障诊断方法在实际应用中误诊率较高.为此提出基于聚合经验模态分解(EEMD)和Teager能量算子提取信号的故障特征,并采用核熵成分分析(KECA)实现轴承故障的监测与诊断策略.该方法首先基于EEMD分解对信号提取单分量本征模态函数,以满足Teager能量算子对信号的单分量要求;之后基于Teager能量算子解调算法提取特征向量;最后,将特征向量作为输入构建KECA诊断模型,实现故障的监测与诊断.将该方法应用于模拟风机滚动轴承故障试验台采集数据,结果表明该方法可有效提取非平稳信号中的故障特征,实现对风机轴承的故障识别.
上一篇： 微生物发酵尾气在线监测与仪器自校正标定
下一篇： c、φ互相关性对基坑支护可靠度的影响