基于周期诱导的多层循环辛矩阵分解的风电齿轮箱早期故障诊断
马晓晶1
贾海坤1
周传迪1
余翔2
赵娜1
王栋2
张博3
滕伟3
1.中国电力科学研究院有限公司,北京 1001922.国网福建省电力有限公司,福州 3500003.华北电力大学 电站能量传递转化与系统教育部重点实验室,北京 102206
摘要：[目的]针对风电齿轮箱服役环境恶劣、早期故障特征易被强背景噪声掩盖,传统信号处理算法难以自适应提取故障特征的问题,提出一种改进的矩阵分解方法,实现复杂工况下风电齿轮箱早期故障的精准识别.[方法]首先,利用旋转机械故障的时域周期冲击特性,构造多层周期循环矩阵,强化故障周期特征并分散非周期噪声;其次,对矩阵进行多层辛矩阵分解,分离信号中的故障成分与干扰成分;然后,设计周期约束的核映射诱导算子,定向筛选各层级中的故障相关主分量;最后,对筛选后的主分量进行加权平均,重构得到高信噪比的故障特征信号,并通过仿真信号、试验台信号及风电机组实测信号开展验证.[结果]所提方法无需人工设置参数,自适应性能优异;仿真、试验台及实测信号的周期谱能量比指标分别低至1.84、2.12、1.56,显著优于经验模态分解、变分模态分解、辛几何模态分解等对比算法,可有效抑制背景噪声与离散频率干扰,故障特征提取精度提升明显.研究可为风电齿轮箱早期故障诊断提供参考.
关键词：风电齿轮箱早期故障诊断周期诱导辛矩阵分解
分类号：TH17(机械运行与维修)
资助基金：国家电网有限公司总部科技项目(5108-202218280A-2-298-XG)
论文发表日期：2026-05-31
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：10( 76-85 )
英文信息