首页|基于VMD和奇异值能量差分谱的风机滚动轴承故障特征提取方法

基于VMD和奇异值能量差分谱的风机滚动轴承故障特征提取方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
风电机组轴承处于早期故障阶段时,故障特征信号微弱,受环境噪声及信号衰减的影响较大,因此轴承早期故障特征的提取一直是个难点.为了有效提取风机滚动轴承的故障特征,提出了基于变分模态分解(Variational Mode Decomposition,VMD)和奇异值能量差分谱的特征提取方法.首先对轴承信号进行VMD分解得到一系列固有模态函数(Intrinsic Mode Function,IMF),然后选取敏感IMF进行奇异值分解,并利用奇异值能量差分谱选取有效奇异值进行信号重构,最后对重构信号进行包络谱分析,进而提取故障特征.实验分析结果验证了所述方法的有效性.
Wind Turbine Rolling Bearing Fault Feature Extraction Method Based on VMD and Singular Value Energy Difference Spectrum

张伟、白恺、宋鹏、杨伟新、赵洪山、王正宇

展开 >

华北电力大学电气与电子工程学院,河北保定071003

国网冀北电力有限公司电力科学研究院(华北电力科学研究院有限责任公司),北京100045

滚动轴承 VMD 奇异值能量差分谱 信号重构

本项目由国家科技支撑计划

2015BAA06B03

2017

10.16308/j.cnki.issn1003-9171.2017.00.005

华北电力技术
华北电网有限公司,华北电力科学研究院有限责任公司

华北电力技术

影响因子：0.521
ISSN：1003-9171
年,卷(期)：2017.(3)
  • 7
  • 13