振动与冲击2021，Vol.40Issue(11) ：230-239,251.DOI:10.13465/j.cnki.jvs.2021.11.032

基于声音信号和改进MS-LMD的风电齿轮箱故障诊断

Wind turbine gearbox fault diagnosis based on sound signal and improved MS-LMD

刘少康 武英杰 安伟伦 辛红伟 杨彦军 王建国
振动与冲击2021，Vol.40Issue(11) ：230-239,251.DOI:10.13465/j.cnki.jvs.2021.11.032
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于声音信号和改进MS-LMD的风电齿轮箱故障诊断

Wind turbine gearbox fault diagnosis based on sound signal and improved MS-LMD

刘少康 1武英杰 2安伟伦 1辛红伟 2杨彦军 1王建国2
扫码查看

作者信息

  • 1. 东北电力大学 自动化工程学院,吉林吉林 132012
  • 2. 东北电力大学 自动化工程学院,吉林吉林 132012;精密驱动智能控制国际联合研究中心,吉林吉林 132012
  • 折叠

摘要

基于声音信号的机械故障诊断切实可行,但风电齿轮箱声音信号可拾取到机舱内的多个振源信号和干扰噪声,影响故障的精确定位,为此,提出一种改进的局部均值分解(local mean decomposition,LMD)方法,通过分离声音信号中的调频调幅成分,实现齿轮箱复合故障诊断.根据掩膜信号(masking signal,MS)可抑制模态混叠的特点,采用二分法在幅值加权平均频率的1.0倍～1.5倍内搜索MS频率,提出MS与LMD多次结合的循环迭代方式,依次判断、抑制多组模态混叠现象.通过两类易发生模态混叠的仿真信号验证了该方法有效性,并将其应用于现场风电齿轮箱声音信号分析中,成功诊断出齿轮箱复合故障.

关键词

声音信号/齿轮箱/故障诊断/模态混叠/掩膜信号(MS)/局部均值分解(LMD)

引用本文复制引用

基金项目

吉林省科技发展计划重点科技研发项目(20180201004SF)

出版年

2021
振动与冲击
中国振动工程学会 上海交通大学 上海市振动工程学会

振动与冲击

CSTPCDCSCD北大核心
影响因子：0.898
ISSN：1000-3835
被引量10
参考文献量13
段落导航相关论文