风力机齿轮箱振动信号分解方法研究

• 作者: 胡璇 李春 叶柯华
• 来源期刊: 动力工程学报
• 关键词: 风力机齿轮箱 故障诊断 集合经验模态分解 经验小波变换 固有时间尺度分解
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 新能源|New Energy
• 页码范围: 323-329
• 页数: 7页
• 分类号: TK83
• 语种: 中文
• DOI: 10.19805/j.cnki.jcspe.2021.04.010

摘要

基于风力机齿轮箱振动信号显著的非线性及非平稳性,分别采用集合经验模态分解(EE-MD)、固有时间尺度分解(ITD)和经验小波变换(EWT)分解方法对齿轮箱振动信号进行处理,求取各分解方法分量信息熵并构成特征向量,然后作为支持向量机(SVM)模型的输入进行故障识别及分类.结果表明:EWT能较好地提取振动信号中的冲击成分;ITD在3种分解方法中诊断准确率最高且最稳定,最利于风力机齿轮箱故障诊断.