基于EEMD和多元多尺度熵的风力发电机组滚动轴承故障特征提取.pdfVIP

2016年第 1期 工业仪表与 自动化装置 ·23 · 基于EEMD和多元多尺度熵 的风力发 电机组滚动轴承故障特征提取 韩 龙 ，李成伟 ，王 丽 ，朱显辉 ，苏勋文 (1．哈尔滨工业大学 电气工程及 自动化学院，哈尔滨 150001； 2．黑龙江科技大学 电气与控制工程学院，哈尔滨 150022) 摘要：为了降低风力发电机组滚动轴承信号的噪声和进行多信道数据处理，提 出了一种基于 EEMD和多元多尺度熵的特征提取方法。利用EEMD算法对多信道的原始声发射信号进行分解获 取无模式混淆的IMF，通过敏感度评估算法选取反应故障特征敏感的IMF进行多元多尺度熵分析， 由单因素方差分析选择最优尺度对应的多元样本熵作为各种故障的特征值。通过从实验台采集得 到正常、轻微损伤和断裂3种状态的样本数据，与多种特征提取方法相比较和SVM算法分类分析， 证明了所选择故障特征量的准确性，同时也验证了所提 出的滚动轴承故障特征提取方法的有效性 和准确性。 关键词：风力发电机组；滚动轴承；特征提取；EEMD；多元多尺度熵 中图分类号：TP277 文献标志码：A 文章编号：1000—0682(2016)01—0023—04 FeatureextractionofrollingbearingforwindgeneratorbasedonEEMD andmultivariatemultiscaleentropy HAN Long ，LIChengwei，WANG Li，ZHU Xianhui，SU Xunwen (1．SchoolofElectricalEngineeringandAutomation，Harbinm疵 eofTechnology，Harbin150001，China； 2．InstituteofElectricalandControlEngineering，Heilong]iangUniversityofScienceandTechnology，Harbin150022，China) Abstract：Inordertoreducethenoiseoftherollingbearingofwindturbines，andprocessmulti— channeldata，amethodoffeatureextractionbasedonEEMD andmultivariatemuhiscaleentropywaspro- posedinthispaper．TheoriginalacousticemissionsignalofmultichannelwasdecomposedwithEEMD to obtainrfeemodeconfusionIMF，multiplevariableswereconstitutedbytheresponsefaultfeaturesensitive IMFthatwasselectedbythesensitivityevaluationalgorithm，anditwasprocessedbymultivariatemulti— scaleentropyanalysis，theoptimalmuhiplescalesampleentropywasselectedbyanalysisofvarianceas eigenvaluesofvariousfaults．Thedataofnormal，slightdamageandrfacturecanbeacquiredfrom the testplaftomr ．Theaccuracyofthecharacteristicsoffaultcanbeprovedbythecomparisonwithmultiple featureextractionmethodsandtheanalysisoftheSVM classification algorithm．Meanwhile，itshowed thatthem