基于EEMD和模糊C均值聚类的风电机组齿轮箱故障诊断

• 作者: 王军辉 谭泊 贾嵘
• 来源期刊: 太阳能学报
• 学科: 工学
• 关键词: 风电机组 齿轮箱 故障诊断 集合经验模式分解 奇异谱熵 模糊C均值聚类
• 年，卷（期）: 2015,（2）
• 页码范围: 319-324
• 页数: 6页
• 分类号: TM315
• 字数: 3448字
• 语种: 中文

摘要

针对风电机组齿轮箱中齿轮故障特征提取与故障诊断问题,提出一种基于集合经验模式分解(EEMD)、奇异谱熵和模糊C均值聚类的故障诊断方法.首先对原始振动信号进行EEMD分解,得到各阶本征模态函数(IMF)构成的特征模式矩阵.接着对该特征模式矩阵求奇异谱熵值,奇异谱熵值的大小能反映部件的工作状态和故障类型.最后,将得到的奇异谱熵值矩阵进行模糊聚类分析并得到分类结果.通过对齿面磨损、齿面剥落和正常3种齿轮状态分别使用EMD法和EEMD法进行故障分类对比,结果验证了该方法的有效性和可行性,同时证明EEMD法具有更好的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾嵘	西安理工大学水利水电学院	101	1600	21.0	37.0
2	谭泊	国网陕西省电力公司培训中心	2	44	1.0	2.0
3	王军辉		6	57	3.0	6.0