基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对风电机组传动链系统振动信号非高斯、非平稳性的特点,提出了一种基于混合时频分析的风电机组故障诊断方法.该方法首先采用参数优化Morlet小波消噪方法对原始振动信号进行分析,滤除强大的背景噪声干扰;进而通过自项窗方法抑制时频面的干扰项,增强信号特征成分,提取故障特征以实现故障诊断.在Morlet小波参数优化过程中,采用交叉验证法优化波形参数及连续小波变换的尺度参数;在自项窗的设计过程中,采用基于平滑伪魏格纳分布的函数进行设计,并通过两次阈值处理以减少运算量、提高运算效率.通过对风电机组监测振动数据分析,证明了该方法可以有效地实现背景噪声的消除和故障诊断.
推荐文章
风电机组振动监测与故障诊断研究
风电机组
振动监测
故障诊断
协议通信
基于DHNN的风电机组齿轮箱故障诊断
离散Hopfield神经网络
齿轮箱
故障诊断
泛化能力
基于LVQ神经网络风电机组齿轮箱故障诊断研究
LVQ神经网络
BP神经网络
风电机组
齿轮箱
故障诊断
基于长短时记忆神经网络的风电机组滚动轴承故障诊断方法
风电机组
滚动轴承
故障诊断
回归神经网络
长短时记忆神经网络
小波包变换
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于混合时频分析方法的风电机组故障诊断
来源期刊 机械科学与技术 学科 工学
关键词 风电机组 混合时频分析方法 故障诊断 小波消噪 自项窗
年,卷(期) 2013,(1) 所属期刊栏目
研究方向 页码范围 96-99
页数 4页 分类号 TH911.7|TP277
字数 2537字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 韩继光 江苏师范大学机电学院 30 151 7.0 12.0
2 刘文艺 江苏师范大学机电学院 19 54 4.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (15)
共引文献  (4)
参考文献  (7)
节点文献
引证文献  (14)
同被引文献  (34)
二级引证文献  (145)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(6)
  • 参考文献(2)
  • 二级参考文献(4)
2008(5)
  • 参考文献(0)
  • 二级参考文献(5)
2009(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(3)
  • 参考文献(3)
  • 二级参考文献(0)
2013(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2014(3)
  • 引证文献(2)
  • 二级引证文献(1)
2015(13)
  • 引证文献(2)
  • 二级引证文献(11)
2016(32)
  • 引证文献(2)
  • 二级引证文献(30)
2017(36)
  • 引证文献(5)
  • 二级引证文献(31)
2018(38)
  • 引证文献(1)
  • 二级引证文献(37)
2019(26)
  • 引证文献(0)
  • 二级引证文献(26)
2020(9)
  • 引证文献(0)
  • 二级引证文献(9)
研究主题发展历程
节点文献
风电机组
混合时频分析方法
故障诊断
小波消噪
自项窗
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
机械科学与技术
月刊
1003-8728
61-1114/TH
大16开
西安友谊西路127号
52-193
1981
chi
出版文献量(篇)
8073
总下载数(次)
15
总被引数(次)
69926
论文1v1指导