基于形态学多重分形的风电机组轴承故障诊断

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。