科研之友
微信
新浪微博
Facebook
分享链接
摘要
风力发电机传动系统的振动特征分析是对其进行故障诊断的有效手段。互补集合平均经验模态分解（Complementary Ensemble Empirical Model Decomposition，CEEMD）作为一种时频特征分析方法，可以较好地提取复杂非线性非平稳信号的故障特征，但因其存在虚假分量的这一问题，很大程度限制诊断过程中的准确性。针对该问题，提出一种基于KL散度（Kullback-Leibler· Divergence， KLD）的CEEMD虚假分量识别方法（KL-CEEMD）。该方法在原有CEEMD方法基础之上，进一步计算各分量IMF与原信号之间的KL散度值，从而量化各分量与原信号之间的相关性。最后通过对各个IMF的KL散度值进行聚类分析，找出虚假分量和真实分量，最终解决CEEMD的虚假分量问题。为验证KL-CEEMD的有效性，研究搭建风力机传动系统振动试验台，基于KL-CEEMD方法对实验台实验数据以及仿真数据进行验证性研究，最终证明KL-CEEMD方法可以很好改善CEEMD的虚假分量问题，能够有效提取出故障信号的真实特性。
- 单位
