基于ACSEEMD和模糊C均值聚类的 风电机组齿轮箱故障预警

• 作者: 张健
• 来源期刊: 电子器件
• 学科: 工学
• 关键词: 自适应完全集合经验模态分解 模糊C均值聚类 风电齿轮箱 故障预警
• 年，卷（期）: 2019,（6）
• 页码范围: 1410-1415
• 页数: 6页
• 分类号: TP315
• 字数: 4323字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-9490.2019.06.012

摘要

针对风电机组齿轮箱中齿轮故障诊断问题,提出一种风电齿轮箱故障预警方法.该方法将自适应完全集合经验模态分解ACSEEMD(Adaptive Complete Set of Ensemble Empirical Mode Decomposition)、模糊C均值聚类FCMC(Fuzzy C Mean Clustering)算法和Hotelling T2统计量相结合,通过对风电齿轮箱振动信号进行ACSEEMD-FCMC降噪处理,再利用FCMC对降噪后的多组振动信号进行融合分析,提取出连续的T2值(C-T2)及其均方根值RMS(C-T2),设定报警阈值RMS(C-T2)lim,最后,建立风电齿轮箱故障预警模型.实验结果表明:该方法对风电齿轮箱振动信号降噪效果显著,可有效解决多组振动信号报警结果不一致的问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张健	江苏安全技术职业学院电气工程系	6	3	1.0	1.0