基于改进VMD的风电齿轮箱不平衡故障特征提取

发布时间：2020-12-22 02:38

　　变分模态分解(Variational Mode Decomposition, VMD)是一种不同于递归式模态分解新方法,具有优良的频率剖分特性,但其在处理信号时受分量个数影响严重,通过主观经验难以合理设置该参数。针对该问题,利用奇异值分解清晰的信噪分辨能力,根据奇异值最佳有效秩阶次自动搜寻VMD的分量个数,提出了一种改进变分模态分解的风电齿轮箱不平衡故障特征提取方法。通过仿真信号及轴不平衡实验信号对该方法进行了验证,并将其应用于风电齿轮箱稳定工况下的现场故障诊断中,均成功提取出微弱特征频率信息,实现对齿轮箱不平衡故障的有效判别,具有一定可靠性。 

【文章来源】：振动与冲击. 2020年05期 北大核心

【文章页数】：7 页

【部分图文】：

S7分量细化谱

式中:thr1为斜率差值的上阈值;thr2为斜率差值的下阈值,其具体数值得根据信号强度大小而定,通常取thr1=50,thr2=5便能求出奇异值突变点阶次k。改进变分模态分解方法其具体流程如图1所示。3 仿真信号分析

x(t)=x 1 (t)+x 2 (t)+x 3 (t)?????? ??? (12)对合成信号进行奇异值分解后得到图3所示奇异值分布曲线,根据式(9)～(11)计算得到奇异值突变点为3,这跟仿真信号由三个分量组成完全一致,因此确定VMD分量个数K=3。

【参考文献】：
期刊论文
[1]基于参数自适应变分模态分解的行星齿轮箱故障诊断[J]. 孙灿飞,王友仁,沈勇,陈伟.  航空动力学报. 2018(11)
[2]基于VMD多特征量风电机组轴承故障诊断法[J]. 张瑶,张宏立.  计算机仿真. 2018(09)
[3]基于变分模态分解和Teager能量算子的滚动轴承故障特征提取[J]. 马增强,李亚超,刘政,谷朝健.  振动与冲击. 2016(13)
[4]基于变分模态分解和模糊C均值聚类的滚动轴承故障诊断[J]. 刘长良,武英杰,甄成刚.  中国电机工程学报. 2015(13)
[5]参数优化变分模态分解方法在滚动轴承早期故障诊断中的应用[J]. 唐贵基,王晓龙.  西安交通大学学报. 2015(05)

博士论文
[1]基于振动信号处理的滚动轴承故障诊断方法研究[D]. 王晓龙.华北电力大学(北京) 2017



本文编号：2930982