基于形态学多重分形的风电机组轴承故障诊断 |
| |
引用本文: | 樊佶,齐咏生,高学金,刘利强,李永亭.基于形态学多重分形的风电机组轴承故障诊断[J].振动.测试与诊断,2021,41(6):1081-1089. |
| |
作者姓名: | 樊佶 齐咏生 高学金 刘利强 李永亭 |
| |
作者单位: | (1.内蒙古工业大学电力学院 呼和浩特,010080)(2.内蒙古自治区机电控制重点实验室 呼和浩特,010051)(3.北京工业大学信息学部 北京,100124) |
| |
基金项目: | 国家自然科学基金资助项目(61763037);内蒙古自治区科技计划资助项目(2019,2020GG0283);内蒙古自然科学基金面上资助项目(2020MS05029) |
| |
摘 要: | 针对风电机组滚动轴承振动信号通常具有非线性和低信噪比的特点,提出一种基于形态学多重分形(morphological multi?fractal, 简称MMF)和改进的灰色关联分析(improved grey relational analysis, 简称IGRA)的滚动轴承故障诊断方法。首先,通过信号质量指数研究了轴承振动信号的多重分形特性;其次,利用形态学方法计算轴承各种状态广义维数与多重分形谱的参数,并分析了各个参数对轴承运行状态的反映能力,选取能够有效区分轴承状态的参数作为故障特征量;然后,引入离差最大化加权对经典的灰色关联模型进行改进,提升了信息的利用率以及模型的可靠性;最后,利用改进的灰色关联分析实现了滚动轴承的故障诊断。通过仿真分析和应用实例对该方法的有效性进行验证,结果表明该方法能准确识别轴承故障类型,较传统方法准确率更高,运算时间更短,适合解决实际工程问题。
|
关 键 词: | 故障诊断 特征提取 数学形态学 多重分形 离差最大化 灰色关联分析 |
|
| 点击此处可从《振动.测试与诊断》浏览原始摘要信息 |
|
点击此处可从《振动.测试与诊断》下载全文 |
|