基于Zoom-FFT-CEEMD和小波包降噪的风电机组齿轮箱故障特征提取和诊断

基于Zoom-FFT-CEEMD和小波包降噪的风电机组齿轮箱故
障特征提取和诊断
孟井煜枫;杨禄铭;张铖;吴博阳;徐国平;俞健
【期刊名称】《微特电机》
【年(卷),期】2024(52)4
【摘要】基于信号处理的风电机组齿轮箱故障诊断是风力发电领域中的重要研究方向。

针对风电机组齿轮箱故障特征提取问题,提出了一种基于Zoom-FFT-CEEMD和小波包降噪的方法。

通过对在风电机组齿轮箱振动测点所采集到各个测点的振动加速度信号做RMS趋势分析,找出RMS趋势明显上升的测点和时间段。

利用小波包降噪技术对该测点的振动信号进行降噪处理,互补集合经验模态分解(CEEMD)得到的分量对振动信号进行多尺度分析,再使用Zoom算法对齿轮箱振动信号进行局部放大,以突出故障信号。

利用快速傅里叶变换(FFT)对放大后的信号进行频谱分析,以提高故障特征的提取准确性。

实验结果表明,与传统频谱分析法相比,该方法能够有效地提取风电机组齿轮箱的故障特征,具有较高的准确性和稳定性,为风电机组齿轮箱的早期故障诊断提供了一种有效的方法。

【总页数】6页(P28-32)
【作者】孟井煜枫;杨禄铭;张铖;吴博阳;徐国平;俞健
【作者单位】运达能源科技集团股份有限公司;浙江省风力发电技术重点实验室【正文语种】中文
【中图分类】TM307.1
【相关文献】
1.基于小波包与倒频谱分析的风电机组齿轮箱齿轮裂纹诊断方法
2.基于EEMD结合二次小波包降噪的齿轮箱故障诊断
3.基于HVD小波包降噪编码深度学习的风电机组智能诊断研究
4.基于改进小波包的风电机组齿轮箱复合故障特征提取研究
5.基于SCADA数据特征提取的风电机组偏航齿轮箱故障诊断方法研究
因版权原因，仅展示原文概要，查看原文内容请购买。