一种基于盲源分离和流形学习的风电机组轴承故障特征提取方法

• 作者: 李浪 王颖 赵洪山
• 来源期刊: 太阳能学报
• 学科: 工学
• 关键词: 风电机组 轴承 故障 盲源分离 ICA LE
• 年，卷（期）: 2016,（2）
• 页码范围: 269-275
• 页数: 7页
• 分类号: TK83|TH11
• 字数: 5254字
• 语种: 中文

摘要

提出一种基于盲源分离(blind source separation,BSS)和流形学习算法的风电机组轴承故障特征提取方法,首先对采集的振动信号利用独立成分分析(independent component analysis,ICA)进行盲源分离,计算各源信号的峭度和负熵,然后对源信号进行包络分析并提取上、下包络线矩阵的奇异值,将峭度、负熵和奇异值组成高维特征向量,最后利用拉普拉斯特征映射流形学习算法(Laplacian eigenmaps,LE)挖掘出高维数据中包含有效信息且具有内在规律性的低维特征.该方法充分利用并有效结合ICA在信号处理和LE在挖掘特征信息方面的优势,实现风电机组轴承故障特征的提取.算例结果表明该方法可有效提取轴承故障特征.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵洪山	华北电力大学电气与电子工程学院	118	1689	23.0	37.0
2	王颖	河北省电力公司经济技术研究院	5	35	3.0	5.0
3	李浪	华北电力大学电气与电子工程学院	7	85	5.0	7.0