[发明专利]基于IVMD-SE的风电机组齿轮箱故障特征提取方法有效
| 申请号： | 201910360493.2 | 申请日： | 2019-04-30 |
| 公开（公告）号： | CN109975013B | 公开（公告）日： | 2020-09-18 |
| 发明（设计）人： | 姜佳辉;包永强;陈文祥;邵琪 | 申请（专利权）人： | 南京工程学院 |
| 主分类号： | G01M13/021 | 分类号： | G01M13/021;G01M13/028 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 张华蒙 |
| 地址： | 210000 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于IVMD‑SE的风电机组齿轮箱故障特征提取方法，属于风电技术领域，本发明利用振动加速度传感器分别采集风电机组齿轮箱齿轮在正常、磨损、断齿三种工况下的原始振动信号；采用基于整数规划的PSO算法对VMD参数中的惩罚项参数α和分解层数K进行优化；对各工况下齿轮振动信号采用改进变分模态法进行分解，得到振动信号的各个模态分量；利用相关系数法优选出与原始信号密切相关的IMF分量；提取各模态分量的奇异熵作为风机齿轮箱故障特征；将特征输入至多分类SVM中，验证特征提取效果。本发明将VMD和奇异熵相结合来提取有噪声干扰下的风电机组齿轮箱齿轮故障特征，信号特征得到强化,特征提取效果更为显著。 | ||
| 搜索关键词： | 基于 ivmd se 机组 齿轮箱 故障 特征 提取 方法 | ||
【主权项】：
1.基于IVMD‑SE的风电机组齿轮箱故障特征提取方法，其特征在于：包括如下步骤：步骤1，利用振动加速度传感器分别采集风电机组齿轮箱齿轮在正常、磨损、断齿三种工况下的原始振动信号；步骤2，采用基于整数规划的PSO算法对VMD法进行改进，具体对VMD参数中的惩罚项参数α和分解层数K进行优化；步骤3，对步骤1中正常、磨损、断齿三种工况下的齿轮振动信号分别采用步骤2所述改进变分模态法进行分解，得到振动信号的各个模态分量；步骤4，利用相关系数法优选出与原始信号密切相关的模态分量；步骤5，提取各优选模态分量的奇异熵作为风机齿轮箱故障特征；步骤6，将特征输入至多分类SVM中，验证特征提取效果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京工程学院，未经南京工程学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910360493.2/，转载请声明来源钻瓜专利网。
