基于KL-CEEMD的风机传动系统故障诊断方法研究

互补集合平均经验模态分解（complementary ensemble empirical model decomposition,CEEMD）作为一种时频特征分析方法，可以较好地提取复杂非线性非平稳信号的故障特征，但其存在虚假分量，很大程度限制诊断过程中的准确性。针对该问题，提出一种基于KL散度(Kullback-Leibler divergence, KLD)的CEEMD虚假分量识别方法（KL-CEEMD）。该方法在原有CEEMD方法基础之上，进一步计算各分量IMF与原信号之间的KL散度值，从而量化各分量与原信号之间的相关性。最后通过对各个IMF的KL散度值进行聚类分析，找出虚假分量和真实分量，最终解决CEEMD的虚假分量问题。为验证KL-CEEMD的有效性，研究搭建风力机传动系统振动试验台，基于该方法对实验台实验数据以及仿真数据进行验证性研究，最终证明所提方法可以很好改善CEEMD的虚假分量问题，能够有效提取出故障信号的真实特性。