基于EEMD峭度-相关系数准则的多特征量风电机组轴承故障诊断
针对风力发电机组轴承故障振动信号具有高噪声、非线性、非平稳的特性,提出了一种集成经验模态分解与峭度-相关系数准则和多特征量提取的风电机组轴承故障程度的诊断方法.利用集成经验模态将振动信号分解成若干个本征模态分量,采用峭度和相关系数准则选取一组包含信息量最丰富的分量,对该组分量从时域指标、自回归模型参数矩阵的奇异值和能量熵3个角度的变化中提取和构造多特征量矩阵,输入支持向量机建立故障程度不同的多分类预测模型,优化核参数和惩罚参数取得轴承故障程度最佳预测精度.通过实验室数据验证了该方法是一种可行的风电机组轴承故障诊断方法,可实现对风电机组轴承故障早期处于的轻度、中度和重度等3种相对故障程度的准确分类和识别.
集成经验模态分解、峭度-相关系数、风机轴承、支持向量机、故障诊断
34
TK83;TH17(风能、风力机械)
新疆维吾尔自治区重点实验室项目2016D03021;国家自然科学基金项目51267017.
2016-11-15（万方平台首次上网日期，不代表论文的发表时间）
1481-1490
