一种新的风电机组轴承故障监测与诊断策略

• 作者: 刘月文 王林 赵鹏 高胜利 齐咏生
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: 故障诊断 聚合经验模态分解 核熵成分分析 Teager能量算子 滚动轴承
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 安全监控系统
• 页码范围: 37-43
• 页数: 7页
• 分类号: TP277
• 字数: 5634字
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.161278

摘要

大型风力发电机组的轴承振动信号往往呈现非线性、非平稳特性,目前常用故障诊断方法在实际应用中误诊率较高.为此提出基于聚合经验模态分解(EEMD)和Teager能量算子提取信号的故障特征,并采用核熵成分分析(KECA)实现轴承故障的监测与诊断策略.该方法首先基于EEMD分解对信号提取单分量本征模态函数,以满足Teager能量算子对信号的单分量要求;之后基于Teager能量算子解调算法提取特征向量;最后,将特征向量作为输入构建KECA诊断模型,实现故障的监测与诊断.将该方法应用于模拟风机滚动轴承故障试验台采集数据,结果表明该方法可有效提取非平稳信号中的故障特征,实现对风机轴承的故障识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	齐咏生	内蒙古工业大学电力学院	49	363	11.0	17.0
2	王林	内蒙古工业大学电力学院	22	76	5.0	7.0
3	高胜利		5	22	3.0	4.0
4	赵鹏	内蒙古工业大学电力学院	7	47	4.0	6.0
5	刘月文	教育部风能太阳能重点实验室内蒙古自治区可再生能源重点实验室	1	3	1.0	1.0