基于ITD和LS-SVM的风力发电机组轴承故障诊断

被引：33

作者：

安学利

蒋东翔

陈杰

刘超

机构：

[1] 清华大学热能工程系电力系统及发电设备控制与仿真国家重点实验室

来源：

电力自动化设备 | 2011年 / 31卷 / 09期

基金：

中国博士后科学基金;

关键词：

固有时间尺度分解; 故障特征频率幅值; 支持向量机; 最小二乘支持向量机; 风力发电机组; 调心滚子轴承; 故障诊断;

D O I：

暂无

中图分类号：

TM315 [风力发电机];

学科分类号：

摘要：

为了更好地识别出复杂条件下风力风电机组主轴承的运行状态,提出了基于固有时间尺度分解(ITD)和最小二乘支持向量机(LS-SVM)的风电机组轴承故障诊断方法。该方法首先将调心滚子轴承振动信号分解成若干个固有旋转分量和一个趋势分量之和。然后,对前几个固有旋转分量的瞬时幅值进行频谱分析,找出频谱中外圈、内圈、滚动体故障特征频率处以及转动频率处的幅值,将其作为故障特征向量。最后,将故障特征向量输入LS-SVM来识别机组轴承的运行状态。实验结果表明,该方法可以快速、较准确地诊断出风力发电机组轴承故障。

引用

页码：10 / 13

页数：4

共 10 条

[1] 基于最小二乘支持向量机的电站锅炉燃烧优化
顾燕萍
赵文杰
吴占松
[J]. 中国电机工程学报, 2010, 30 (17) : 91 - 97
[2] 一种基于ITD算法的直扩信号检测算法
安金坤
田斌
孙永军
易克初
于全
[J]. 电子与信息学报, 2010, 32 (05) : 1178 - 1182
[3] 基于支持向量回归的电力变压器状态评估
张哲
赵文清
朱永利
武中利
杨建
[J]. 电力自动化设备, 2010, 30 (04) : 81 - 84
[4] 风力发电机组运行状态的混沌特性识别及其趋势预测
安学利
蒋东翔
[J]. 电力自动化设备, 2010, 30 (03) : 15 - 19+24
[5] 基于小波包Shannon熵SVM和遗传算法的电机机械故障诊断
张亚楠
魏武
武林林
[J]. 电力自动化设备, 2010, 30 (01) : 87 - 91
[6] 基于LS-SVM回归的频域分析法及其在局放窄带干扰抑制中应用
贾嵘
张欣伟
徐其惠
曹贝贞
何向刚
[J]. 电力自动化设备, 2009, 29 (09) : 50 - 53
[7] 风力机状态监测与故障诊断技术研究
蒋东翔
洪良友
黄乾
丁勇山
[J]. 电网与清洁能源, 2008, (09) : 40 - 44
[8] 支持向量的信息冗余和SVM改进方法
彭兵
周建中
安学利
向秀桥
罗志猛
[J]. 计算机工程, 2008, (04) : 48 - 50
[9] 基于SVM和EMD包络谱的滚动轴承故障诊断方法
程军圣
于德介
杨宇
[J]. 系统工程理论与实践, 2005, (09) : 131 - 136
[10] A brief status on condition monitoring and fault diagnosis in wind energy conversion systems
Amirat, Y.
Benbouzid, M. E. H.
Al-Ahmar, E.
Bensaker, B.
Turri, S.
[J]. RENEWABLE & SUSTAINABLE ENERGY REVIEWS, 2009, 13 (09) : 2629 - 2636

← 1 →