10.3969/j.issn.1006-9348.2020.02.027
风电机组轴承早期故障特征提取研究
针对风电机组滚动轴承早期故障振动信号微弱、强干扰、非平稳、非线性的特点,提出基于自适应噪声完整集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)-排列熵(Permutation Entropy,PE)-遗传算法(Genetic Algorithm,GA)的特征提取方法.方法 先计算振动信号经CEEMDAN分解得到多个本征模态函数(Intrinsic Mode Function,IMF)的排列熵值和方差贡献率,剔除虚假、低贡献率分量;根据识别误差最小和特征子集数目最少两个目标,构造了适应度函数,通过GA进行特征选择选出最优特征子集.仿真分析,上述方法能够快速有效提取不同故障的振动信号特征指标,为故障模式识别问题提供良好的思路和方法.
风机轴承、早期故障、自适应噪声完整集成经验模态分解、排列熵、遗传算法、特征提取
37
TM761;TP319(输配电工程、电力网及电力系统)
国家自然科学基金资助项目;国家国际科技合作专项资助;新疆自治区重点创新项目;乌鲁木齐市科学技术计划项目
2020-05-11(万方平台首次上网日期,不代表论文的发表时间)
共5页
130-134