基于小波包和并行隐马尔科夫的风力机易损部件健康状态评价

考虑到风电机组运行时监测到的轴承、齿轮等易损部件的振动信号具有动态和非平稳特性,提出一种基于小波包分解和并行隐马尔科夫(parallel continuous hidden Markov model,PCHMM)的易损部件健康状态评价方法。该方法对采集的振动信号进行小波包分解,根据信号的采样频率和部件的故障特征频率选取小波包分解层数,提取各节点能量与总能量之比作为健康状态评价的特征向量,并应用并行隐马尔科夫模型建立易损部件的健康状态评价模型,为合理确定评价并行模型中各组成部分的权重,引入信息熵计算各部分权重,以模型输出的对数似然概率值作为状态评价指标。将模型用于轴承退化实验数据和现场数据的研究表明评价模型很好地反映了轴承的运行状态,评价指标在故障早期有很明显的变化,有利于及时发现易损部件的故障,降低维修成本。