基于CMF-EEMD的风电齿轮箱多故障特征提取

摘要：

针对EMD( empirical mode decomposition)模态混叠现象和由于所添加白噪声幅值单一而影响EEMD( ensemble empirical mode decomposition)分解精度等问题,提出了一种新的信号处理方法CMF-EEMD。 CMF( combined mode function)将EMD分解得到敏感的IMFs按高低频进行组合,形成两个包含高低频的本征模态函数Ch 和CL,然后通过添加不同的白噪声幅值对Ch 和CL 分别进行EEMD分解,最后对敏感的IMFs进行循环自相关函数解调分析。将提出方法应用于仿真信号和风力齿轮箱试验台的振动信号,成功提取了多故障特征频率,验证了此方法的有效性。并通过与添加单一白噪声幅值进行对比分析,凸显此方法具有更高的分解精度。

关键词：风电齿轮箱、组合模态函数、总体平均经验模态分解、多故障、循环自相关函数

分类号：TP17;TP206(自动化基础理论)

资助基金：国家自然科学基金50775157;山西省基础研究项目2012011012-1;山西省高等学校留学回国人员科研资助项目2011-12

在线出版日期：2016-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：104-111