基于CEEMDAN-TSMPE-PCA风力发电机齿轮箱高速轴承故障诊断技术
张玉兰,张宏伟,王新环
(河南理工大学 电气学院,河南 焦作 454003)
摘 要:针对风力发电机组轴承故障信号微弱、不易提取、识别难等问题,提出基于自适应白噪声完备经验模态分解 (CEEMDAN),时移多尺度排列熵(TSMPE)、主成分分析法(PCA)相结合的振动信号降噪算法,结合改进人工鱼群(IAFSA)优化支持向量机(SVM)分类算法,实现风力发电机轴承的故障诊断。首先将风力发电机轴承原始振动信号进行CEEMDAN分解,得到一系列由高频到低频的IMF分量,通过相关系数筛选出经CEEMDAN分解后所产生虚假分量以及残余噪声分量并进行剔除,再通过峭度值在剩余分量中筛选出包含故障信息较多的IMF分量进行信号重构;其次,采用TSMPE计算重构信号的敏感特征值,经PCA选择后组成特征向量;最后,以IAFSA优化SVM,,训练IAFSA-SVM多分类故障分类器,实现风力发电机轴承故障识别。将该方法与其他组合方法进行比较,证明所提方法在风力发电机轴承故障诊断中具有优越性和有效性。
关键词:故障诊断;风力发电机轴承;自适应白噪声完备经验模态分解;时移多尺度排列熵;改进人工鱼群;支持向量机
中图分类号:TH165.3
文献标志码:A
DOI编码:10.3969/i.issn.1006-1355.2022.04.026
文献标志码:A
DOI编码:10.3969/i.issn.1006-1355.2022.04.026
![1_看图王](http://www.beidouzhiku.cn/skin/default/image/lazy.gif)
![](http://www.beidouzhiku.cn/skin/default/image/lazy.gif)
![](http://www.beidouzhiku.cn/skin/default/image/lazy.gif)
![](http://www.beidouzhiku.cn/skin/default/image/lazy.gif)
![](http://www.beidouzhiku.cn/skin/default/image/lazy.gif)
![](http://www.beidouzhiku.cn/skin/default/image/lazy.gif)
![](http://www.beidouzhiku.cn/skin/default/image/lazy.gif)