基于MED和VMD的风电机组发电机滚动轴承故障特征提取方法

• 作者: 张伟 赵洪山
• 来源期刊: 黑龙江电力
• 学科: 工学
• 关键词: 风电机组发电机 滚动轴承 最小熵解卷积 变分模态分解 特征提取
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 能源及动力工程
• 页码范围: 434-440
• 页数: 7页
• 分类号: TM315
• 字数: 4084字
• 语种: 中文

摘要

风电机组发电机滚动轴承早期故障时,其机械振动信号包含复杂的信息成分,影响微弱故障信号的提取,导致故障识别非常困难.提出一种基于最小熵反褶积(Minimum Entropy Deconvolution,MED)和变分模态分解(Variational Mode Decomposition,VMD)结合的风电机组发电机滚动轴承故障特征提取方法.先应用MED算法对采集的振动信号进行降噪,突出被噪声所掩盖的故障冲击脉冲,后应用VMD算法对降噪后的信号进行分解,得到一系列固有模态函数(Intrinsic Mode Function,IMF),应用峭度和相关性最大准则选取包含故障信息量最多的分量,即敏感模态分量,最后对敏感分量进行包络谱分析,提取故障特征频率.实验分析和工程案例分析结果表明,该方法可有效提取故障特征.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张伟	华北电力大学电气与电子工程学院	42	509	12.0	21.0
2	赵洪山	华北电力大学电气与电子工程学院	118	1689	23.0	37.0