一种改进HVD信号特征提取方法及应用研究

摘要：

希尔伯特振动分解(HVD)广泛应用于风电机组、齿轮箱等旋转机械的故障诊断,然而,它有2个亟待解决的问题:一是算法的参数需要经验设置或人工试定;二是如何避免模态混叠选择敏感的本征模态函数分量.针对上述2个问题,提出一种优化的HVD改进算法,有效解决了希尔伯特振动分解的参数设置和模态混叠问题.首先用粒子群优化算法(PSO)对HVD算法的2个参数进行优化.其次,提出了一种新的评估指标-最大包络峰度均值作为PSO优化算法的目标函数,并提出采用最大包络峰度自适应地选择敏感的IMF分量.最后,对选定的重构信号进行平方包络谱分析并提取故障特征频率,以识别风电机组设备故障类型.通过模拟信号、实验信号和风电机组应用实例分析,验证了所提改进HVD方法的有效性.

关键词：计量学、改进HVD、旋转机械故障、故障诊断、风电机组、粒子群优化、包络峰度均值

所属期刊栏目：43

分类号：TB936;TB973(计量学)

资助基金：国家自然科学基金;中央引导地方科技发展资金;河北省自然科学基金;河北省引进留学人员资助项目

在线出版日期：2022-08-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：920-926