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 feature extraction of rolling bearing for wind generator based on eemd and multivariate multiscale entropy.pdfVIP

下载本文档

3
0
约1.61万字
约 4页
2017-11-02 发布于上海
举报
版权申诉

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 feature extraction of rolling bearing for wind generator based on eemd and multivariate multiscale entropy.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

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 feature extraction of rolling bearing for wind generator based on eemd and multivariate multiscale entropy

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 1,2 1 2 2 2 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 Feature extraction of rolling bearing for wind generator based on EEMD and multivariate multiscale entropy 1,2 1 2 2 2 HAN Long ,LI Chengwei ,WANG Li ,ZHU Xianhui ,SU Xunwen (1.School of Electrical Engineering andAutomation,Harbin Institute of Technology,Harbin 150001,China; 2.Institute of Electrical and Control Engineering,Heilongjiang University of Science and Technology,Harbin 150022,China ) 　　 Abstract:In order to reduce the noise of the rolling bearing of wind turbines,and process multi- channel data,amethodoffeatureextractionbasedonEEMDandmultivariatemultiscaleentropywaspro- posed inthispaper. TheoriginalacousticemissionsignalofmultichannelwasdecomposedwithEEMDto obtain freemodeconfusionIMF,multiplevariableswereconstitutedbytheresponsefaultfeaturesensitive IMF that was selected by the sensitivity evaluation algorithm,and it wasprocessed by multivariate multi- scale entropy analysis,the optimal multiple scale sample entropy was selected by analysis of variance as eigenvalues of