科研之友
微信
新浪微博
Facebook
分享链接
摘要
希尔伯特振动分解(HVD)广泛应用于风电机组、齿轮箱等旋转机械的故障诊断，然而，它有2个亟待解决的问题：一是算法的参数需要经验设置或人工试定；二是如何避免模态混叠选择敏感的本征模态函数分量。针对上述2个问题，提出一种优化的HVD改进算法，有效解决了希尔伯特振动分解的参数设置和模态混叠问题。首先用粒子群优化算法(PSO)对HVD算法的2个参数进行优化。其次，提出了一种新的评估指标—最大包络峰度均值作为PSO优化算法的目标函数，并提出采用最大包络峰度自适应地选择敏感的IMF分量。最后，对选定的重构信号进行平方包络谱分析并提取故障特征频率，以识别风电机组设备故障类型。通过模拟信号、实验信号和风电机组应用实例分析，验证了所提改进HVD方法的有效性。
- 单位
