风电机组齿轮箱早期故障弱特征信息提取方法

• 作者: 刘秀丽 徐小力
• 来源期刊: 北京信息科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 风电机组齿轮箱 μ-SVD及局部均值分解方法 弱特征信息提取 早期故障预警
• 年，卷（期）: 2017,（1）
• 页码范围: 13-19
• 页数: 7页
• 分类号: TH212|TH213.3
• 字数: 2769字
• 语种: 中文
• DOI: 10.16508/j.cnki.11-5866/n.2017.01.004

摘要

风电机组齿轮箱故障发展进程中早期劣化特征信息微弱,采用传统的奇异值分解(Singular Value Decomposition,SVD)降噪方法容易造成有用信息的丢失.针对这一问题提出基于μ-SVD和LMD的弱特征信息提取方法,根据累积贡献率确定降噪阶次进行信号重构,提取出带噪部分信号,对其进行局部均值分解(Local Mean Decomposition,LMD)和μ-SVD降噪处理,叠加得到降噪后的信号.试验研究结果表明,该方法能够明显削弱信号噪声,有效提取早期故障微弱特征信息,有利于实现早期故障预警及动态预知维护.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐小力	北京信息科技大学现代测控技术教育部重点实验室	164	804	15.0	21.0
2	刘秀丽	北京信息科技大学现代测控技术教育部重点实验室	21	81	4.0	8.0