基于DEMD局部时频熵和SVM的风电齿轮箱故障诊断方法研究

来源：计量学报杂志2017年第4期北京时间：

作者：孟宗,刘东,岳建辉,詹旭阳,马钊,李晶

单位：1. 燕山大学河北省测试计量技术及仪器重点实验室, 河北 秦皇岛 066004; 2. 国家冷轧板带装备及工艺工程技术研究中心, 河北 秦皇岛 066004;

摘要：为了有效地从非线性、非平稳性的风电齿轮箱故障信号中提取有用的信息成分,将微分经验模式分解、局部时频熵和支持向量机相结合,提出了一种微分经验模式分解局部时频熵和支持向量机的风电齿轮箱故障诊断方法。采用自适应多尺度的数学形态学对故障信号进行滤波;将滤波后的信号进行微分经验模式分解,获得齿轮振动信号的若干IMF分量;把每一个IMF进行分块,计算每一块的局部时频熵值;把局部时频熵值作为支持向量机的输入参数,通过支持向量机进行故障识别与诊断。实验结果表明,基于微分经验模式分解局部时频熵和支持向量机相结合的方法能够对风电齿轮箱故障信号进行准确有效地识别分类。

关键词：计量学; 故障诊断; 风电齿轮箱; 微分经验模式分解; 形态滤波; 支持向量机; 局部时频熵

基金资助：国家自然科学基金 (51575472,61673334); 河北省自然科学基金 (E2015203356); 河北省高等学校科学研究计划重点项目(ZD2015049)