摘要
针对风机齿轮箱早期故障信号信噪比低且故障难以准确诊断的问题,提出了基于集合局部均值分解(ELMD)与离散隐马尔科夫模型(DHMM)的风机齿轮箱故障诊断方法.首先对风机齿轮箱故障振动信号进行ELMD分解,得到一系列的乘积分量(PF),再对每个PF与原始信号求取相关系数进而滤除噪声信号以及由分解引起的虚假分量,然后对新信号进行标量量化处理得到特征向量,最后将每种状态下的特征向量输入已训练收敛的离散隐马尔科夫模型库进行状态判别并得出诊断结果.实验结果表明,对于风机齿轮箱早期故障诊断,所提出的方法具有一定的有效性和实用性.
基金项目
陕西省教育厅2019年度科学研究计划项目(19JK0935)
NETL
NSTL
维普
万方数据