基于EEMD和模糊C均值聚类的风电机组齿轮箱故障诊断

被引：79

作者：

王军辉 ^{[1
,2
]}

贾嵘 ^{[2
]}

谭泊 ^{[3
]}

机构：

[1] 陕西省水利电力勘测设计研究院

[2] 西安理工大学水利水电学院

[3] 国网陕西省电力公司培训中心

来源：

太阳能学报 | 2015年 / 36卷 / 02期

关键词：

风电机组; 齿轮箱; 故障诊断; 集合经验模式分解; 奇异谱熵; 模糊C均值聚类;

D O I：

暂无

中图分类号：

TM315 [风力发电机];

学科分类号：

080802 [电力系统及其自动化];

摘要：

针对风电机组齿轮箱中齿轮故障特征提取与故障诊断问题,提出一种基于集合经验模式分解(EEMD)、奇异谱熵和模糊C均值聚类的故障诊断方法。首先对原始振动信号进行EEMD分解,得到各阶本征模态函数(IMF)构成的特征模式矩阵。接着对该特征模式矩阵求奇异谱熵值,奇异谱熵值的大小能反映部件的工作状态和故障类型。最后,将得到的奇异谱熵值矩阵进行模糊聚类分析并得到分类结果。通过对齿面磨损、齿面剥落和正常3种齿轮状态分别使用EMD法和EEMD法进行故障分类对比,结果验证了该方法的有效性和可行性,同时证明EEMD法具有更好的分类效果。

引用

收藏

页码：319 / 324

页数：6

相关论文

共 12 条

[1]

A confidence limit for the empirical mode decomposition and Hilbert spectral analysis [J].

Huang, NE ;

Wu, MLC ;

Long, SR ;

Shen, SSP ;

Qu, WD ;

Gloersen, P ;

Fan, KL .

PROCEEDINGS OF THE ROYAL SOCIETY A-MATHEMATICAL PHYSICAL AND ENGINEERING SCIENCES, 2003, 459 (2037) :2317-2345

[2]

The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis [J].

Huang, NE ;

Shen, Z ;

Long, SR ;

Wu, MLC ;

Shih, HH ;

Zheng, QN ;

Yen, NC ;

Tung, CC ;

Liu, HH .

PROCEEDINGS OF THE ROYAL SOCIETY A-MATHEMATICAL PHYSICAL AND ENGINEERING SCIENCES, 1998, 454 (1971) :903-995

[3]

基于EMD和模糊C均值聚类的滚动轴承故障诊断 [J].

周川 ;

伍星 ;

刘畅 ;

贺玮 .

昆明理工大学学报(理工版), 2009, 34 (06) :34-39

[4]

基于信息熵距的旋转机械振动故障诊断方法 [J].

陈非 ;

黄树红 ;

张燕平 ;

申弢 ;

高伟 .

振动、测试与诊断, 2008, (01) :9-13+74

[5]

基于经验模态分解的水轮发电机组局部放电信号提取 [J].

贾嵘 ;

徐其惠 ;

田录林 ;

罗兴錡 ;

刘伟 .

水力发电学报, 2007, (04) :146-150

[6]

基于模糊聚类的油田往复压缩机气阀故障诊断研究 [J].

王朝晖 ;

姚德群 ;

段礼祥 .

机械强度, 2007, (03) :521-524

[7]

基于相空间重构和模糊聚类的永磁同步电机直接转矩控制系统逆变器故障诊断 [J].

孙丹 ;

孟濬 ;

管宇凡 ;

贺益康 .

中国电机工程学报, 2007, (16) :49-53

[8]

基于EMD的奇异值熵在转子系统故障诊断中的应用 [J].

于德介 ;

陈淼峰 ;

程军圣 ;

杨宇 .

振动与冲击, 2006, (02) :24-26+34+181

[9]

发动机连杆轴承故障噪声诊断研究 [J].

贾继德 ;

孔凡让 ;

刘永斌 ;

王建平 ;

刘维来 ;

陈剑 .

农业机械学报, 2005, (06) :87-91

[10]

齿轮及齿轮箱故障诊断实用技术.[M].丁康;李巍华;朱小勇编著;.机械工业出版社.2005,