基于EEMD-RVM风力发电机故障诊断方法研究-电测与仪表.docVIP

PAGE 1 - 基于EEMD-RVM风力发电机故障诊断方法研究* 牛盛瑜，张新燕，杨璐璐，邸强，张冠琪 （新疆大学 电气工程学院，乌鲁木齐 830047） 摘要：针对风力发电机早期故障表征不明显、能采集有效数据量较少、诊断结果精度较低等问题，文中提出一种运用综合经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）结合相关向量机的方法对风力发电机多类故障进行早期诊断。首先，利用EEMD结合灰色关联度的方法对风机各类故障的振动信号进行预处理，提取最优故障特征；再通过相关向量机（Relevance Vector Machine,RVM）对提取的故障特征训练，并建立相应的故障诊断模型进行诊断。在实例中将文中所提方法EEMD-RVM与小波包分解 (Wavelet Packet Decomposition,WPD) 结合RVM以及EEMD结合最小二乘支持向量机LS-SVM（Least Square Support Vector Machine,LS-SVM）方法的诊断结果作对比，结果表明，EEMD-RVM方法具有可行性，且具有耗时短、精度高等优点。 关键词：综合经验模态分解；风力发电机；早期故障诊断；相关向量机；振动信号 中图分类号: TM93 文献标识码：A 文章编号：10