基于EEMD和CICA的风电机组轴承故障特征提取

• 作者: 徐樊浩 许崇新
• 来源期刊: 山东电力技术
• 学科: 工学
• 关键词: 风机轴承 集成经验模态分解 约束独立分量 互信息 故障
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 发电技术
• 页码范围: 54-58
• 页数: 5页
• 分类号: TM315|TK83
• 字数: 3789字
• 语种: 中文

摘要

针对风电机组轴承故障振动信号具有高噪声、非线性、非平稳的特性,提出一种集成经验模态分解(ensemble empirical mode decomposition,EEMD)和约束独立分量分析(constrained independent component analysis,CICA)的故障特征提取方法(EEMD-CICA).首先对采集的轴承振动信号进行预处理,消除噪声信号的影响,并利用EEMD进行分解,得到一系列本征模态函数(intrinsic mode function,IMF);然后利用邻近奇异值插值法估计源信号个数,并根据互信息准则选取IMF分量作为参考信号;最后根据选取的参考信号,利用CICA方法提取轴承故障中包含的信号特征,并进行包络解调得到包络谱.算例分析表明,此方法能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	许崇新		3	2	1.0	1.0
2	徐樊浩		1	1	1.0	1.0