文献类型：期刊文章

作　　者：周福成[1] 唐贵基[2] 何玉灵[2]

ZHOU Fucheng;TANG Guiji;HE Yuling(School of Science and Technology,North China Electric Power University,Baoding 071003,China;Department of Mechanical Engineering,North China Electric Power University,Baoding 071003,China)

机构地区：[1]华北电力大学科技学院,河北保定071003 [2]华北电力大学机械工程系,河北保定071003

出　　处：《振动与冲击》

基　　金：国家自然科学基金(51377074);中央高校基金项目(2017MS188)。

年　　份：2020

卷　　号：39

期　　号：5

起止页码：170-176

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：变分模态分解(Variational Mode Decomposition,VMD)是一种不同于递归式模态分解新方法,具有优良的频率剖分特性,但其在处理信号时受分量个数影响严重,通过主观经验难以合理设置该参数。针对该问题,利用奇异值分解清晰的信噪分辨能力,根据奇异值最佳有效秩阶次自动搜寻VMD的分量个数,提出了一种改进变分模态分解的风电齿轮箱不平衡故障特征提取方法。通过仿真信号及轴不平衡实验信号对该方法进行了验证,并将其应用于风电齿轮箱稳定工况下的现场故障诊断中,均成功提取出微弱特征频率信息,实现对齿轮箱不平衡故障的有效判别,具有一定可靠性。

关 键 词：改进变分模态分解  风力发电机 不平衡故障 故障特征提取 现场数据

分 类 号：TH165.3]