风电机组轴承早期故障特征提取研究

作者：刘艺明; 谢丽蓉; 晁勤; 侯培浩

来源：计算机仿真, 2020, 37(02): 130-134.

• 风机轴承
• 早期故障
• 自适应噪声完整集成经验模态分解
• 排列熵
• 遗传算法
• 特征提取

针对风电机组滚动轴承早期故障振动信号微弱、强干扰、非平稳、非线性的特点,提出基于自适应噪声完整集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)-排列熵(Permutation Entropy,PE)-遗传算法(Genetic Algorithm, GA)的特征提取方法。方法先计算振动信号经CEEMDAN分解得到多个本征模态函数(Intrinsic Mode Function,IMF)的排列熵值和方差贡献率,剔除虚假、低贡献率分量;根据识别误差最小和特征子集数目最少两个目标,构造了适应度函数,通过GA进行特征选择选出最优特征子集。仿真分析,上述方法能够快速有效提取不同故障的振动信号特征指标,为故障模式识别问題提供良好的思路和方法。

• 单位
  新疆大学