基于DRS与改进Autogram的风电齿轮箱复合故障特征提取

复合故障特征提取是分析风电齿轮箱故障根因的关键.提出基于离散随机分离(DRS)和改进Autogram的复合故障特征提取方法.基于DRS方法削弱振动信号周期性成分对微弱故障成分的影响,结合谱峭度与谱负熵设计一种新的特征量化指标,对最大重叠离散小波包变换与无偏自相关处理后的各窄带分量进行综合评价,以选择最优的滤波频带,精确地识别包含复合故障特征的信号分量.将所提方法应用于实际风电齿轮箱齿轮-轴承复合故障诊断中,能够有效提取出振动信号中的多个故障特征,具有较好的诊断效果....

Full description

Saved in:
Bibliographic Details
Published in中国电力 Vol. 56; no. 10; pp. 71 - 79
Main Authors 马海飞, 滕伟, 彭迪康, 柳亦兵, 靳涛
Format Magazine Article
LanguageChinese
Published 华北电力大学电站能量传递转化与系统教育部重点实验室,北京 102206 01.10.2023
Subjects
复合故障
特征提取
fault diagnosis
故障诊断
feature extraction
compound fault
wind turbine
风电机组
discrete random separation
离散随机分离
Online AccessGet full text
ISSN1004-9649
DOI10.11930/j.issn.1004-9649.202303124

Cover

More Information
Summary:复合故障特征提取是分析风电齿轮箱故障根因的关键.提出基于离散随机分离(DRS)和改进Autogram的复合故障特征提取方法.基于DRS方法削弱振动信号周期性成分对微弱故障成分的影响,结合谱峭度与谱负熵设计一种新的特征量化指标,对最大重叠离散小波包变换与无偏自相关处理后的各窄带分量进行综合评价,以选择最优的滤波频带,精确地识别包含复合故障特征的信号分量.将所提方法应用于实际风电齿轮箱齿轮-轴承复合故障诊断中,能够有效提取出振动信号中的多个故障特征,具有较好的诊断效果.
ISSN:1004-9649
DOI:10.11930/j.issn.1004-9649.202303124