基于频率诱导变分模态分解的齿轮箱故障诊断

TK83; 针对风电传动系统齿轮箱的故障诊断问题,在脉冲激励响应的基础上提出了 一种频率诱导变分模态分解(FIVMD)方法,并将其应用于齿轮箱故障特征提取.首先,根据振动信号傅里叶谱的极大值分布估计齿轮箱系统的自振频率;然后,将固有频率的估计值作为各模态分量中心频率的初始化位置,并通过交替乘子法将原始信号自适应分解为本征模态函数;其次,通过希尔伯特变换对各本征模态函数求包络谱,并计算其故障特征频率比;最后,挑选出故障特征频率比最大的模态分量,并根据其包络谱特征实现齿轮箱故障的有效识别.以维斯塔斯某3 MW风电机组圆柱齿轮断齿故障为例,验证了 FIVMD在工程应用中的有效性和优越性....

Full description

Saved in:
Bibliographic Details
Published in东南大学学报（自然科学版） Vol. 53; no. 4; pp. 702 - 708
Main Authors 马天霆, 孙振波, 邓艾东, 邓敏强
Format Journal Article
LanguageChinese
Published 国能太仓发电有限公司,苏州215000%国能太仓发电有限公司,苏州215000%东南大学能源与环境学院,南京210096 01.07.2023
东南大学火电机组振动国家工程研究中心,南京210096
东南大学能源与环境学院,南京210096
Subjects
fault diagnosis
variational mode decomposition
变分模态分解
故障诊断
wind turbine
状态监测
风电机组
齿轮箱
condition monitoring
gearbox
Online AccessGet full text
ISSN1001-0505
DOI10.3969/j.issn.1001-0505.2023.04.017

Cover

More Information
Summary:TK83; 针对风电传动系统齿轮箱的故障诊断问题,在脉冲激励响应的基础上提出了 一种频率诱导变分模态分解(FIVMD)方法,并将其应用于齿轮箱故障特征提取.首先,根据振动信号傅里叶谱的极大值分布估计齿轮箱系统的自振频率;然后,将固有频率的估计值作为各模态分量中心频率的初始化位置,并通过交替乘子法将原始信号自适应分解为本征模态函数;其次,通过希尔伯特变换对各本征模态函数求包络谱,并计算其故障特征频率比;最后,挑选出故障特征频率比最大的模态分量,并根据其包络谱特征实现齿轮箱故障的有效识别.以维斯塔斯某3 MW风电机组圆柱齿轮断齿故障为例,验证了 FIVMD在工程应用中的有效性和优越性.
ISSN:1001-0505
DOI:10.3969/j.issn.1001-0505.2023.04.017