改进经验小波变换在风力机齿轮箱故障诊断中的应用
胡璇
李春
叶柯华
上海理工大学能源与动力工程学院,上海200093
摘要：针对强噪声背景下风力机齿轮箱轴承的轻微故障特征易被淹没且提取困难等问题,提出滑移窗口提取子带的连续平均谱负熵(Continuous Average Spectral Negentropy,CASN)对经验小波变换(Empirical Wavelet Transform,EWT)进行改进.首先利用CASN-EWT方法分解风力机齿轮箱轴承故障信号,后利用谱负熵准则对所得分量进行筛选并重构,再开展包络分析,准确提取出故障特征,最后构成特征向量集输入支持向量机进行故障诊断.结果表明:CASN-EWT方法在保留EWT算法自适应性和有效避免模态混叠效应与端点效应的同时,极大提高EWT分解算法对噪声的鲁棒性,有利于准确提取故障特征频率,实现故障识别精度的提高.
关键词：风力机齿轮箱故障诊断滑移窗口连续平均谱负熵改进经验小波变换谱负熵准则
分类号：TH133.3(机械零件及传动装置)
资助基金：国家自然科学基金(51976131)国家自然科学基金(51676131)上海市科技创新行动计划地方院校能力建设项目(19060502200)
论文发表日期：2022-04-15
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：8( 294-301 )
英文信息