基于经验小波变换和关联维数的风力机齿轮箱故障诊断

• 作者: 叶柯华 李春 胡璇
• 来源期刊: 动力工程学报
• 关键词: 故障诊断 经验小波变换 关联维数 支持向量机
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 监测与测量|Monitoring and Measurement
• 页码范围: 113-120
• 页数: 8页
• 分类号: TK83
• 语种: 中文
• DOI: 10.19805/j.cnki.jcspe.2021.02.005

摘要

针对齿轮箱故障信号的非线性和非平稳性特征,提出基于经验小波变换(Empirical Wave-letTransform,EWT)、关联维数(Correlation Dimension,CD)和支持向量机(Support Vector Ma-chine,SVM)的故障诊断方法.首先通过EWT对风力机齿轮箱信号进行分解,得到若干本征模态函数(Intrinsic Mode Function,IMF)分量,再采用G-P算法求取各组IMF分量的关联维数,并将各组关联维数特征集输入SVM中完成故障识别及分类.结果表明:振动信号关联维数与嵌入维数呈正相关,且正常信号与故障信号的关联维数区分度不明显,通过SVM能对其进行精确识别和分类;该方法能有效提取系统故障非线性特征,故障识别准确率高达100％.