基于EEMD-RVM风力发电机故障诊断方法研究

• 作者: 张冠琪 张新燕 杨璐璐 牛盛瑜 邸强
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 综合经验模态分解 风力发电机 早期故障诊断 相关向量机 振动信号
• 年，卷（期）: 2018,（19）
• 所属期刊栏目: 理论与实验研究
• 页码范围: 1-6,19
• 页数: 7页
• 分类号: TM93
• 字数: 4707字
• 语种: 中文

摘要

针对风力发电机早期故障表征不明显、能采集有效数据量较少、诊断结果精度较低等问题,文中提出一种运用综合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)结合相关向量机的方法对风力发电机多类故障进行早期诊断.首先,利用EEMD结合灰色关联度的方法对风机各类故障的振动信号进行预处理,提取最优故障特征;再通过相关向量机(Relevance Vector Machine,RVM)对提取的故障特征训练,并建立相应的故障诊断模型进行诊断.在实例中将文中所提方法EEMD-RVM与小波包分解(Wavelet Packet Decomposition,WPD)结合RVM以及EEMD结合最小二乘支持向量机LS-SVM(Least Square Support Vector Machine,LS-SVM)方法的诊断结果作对比,结果表明,EEMD-RVM方法具有可行性,且具有耗时短、精度高等优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张新燕	新疆大学电气工程学院	161	1140	18.0	26.0
2	杨璐璐	新疆大学电气工程学院	5	12	2.0	3.0
3	张冠琪	新疆大学电气工程学院	4	12	2.0	3.0
4	牛盛瑜	新疆大学电气工程学院	3	10	2.0	3.0
5	邸强	新疆大学电气工程学院	3	2	1.0	1.0