文献类型：期刊文章

作　　者：孟玲霞[1,2] 徐小力[1,2] 蒋章雷[2] 赵西伟[1]

机构地区：[1]北京理工大学机械与车辆学院,北京100081 [2]北京信息科技大学现代测控技术教育部重点实验室,北京100192

出　　处：《仪器仪表学报》

基　　金：国家高技术研究发展计划(863计划)(2015AA043702);国家自然科学基金(51275052);北京市自然基金重点项目(3131002);机电系统测控北京市重点实验室开放课题(KF20161123203;KF20161123205)项目资助

年　　份：2016

卷　　号：37

期　　号：12

起止页码：2758-2765

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSCD、CSCD2015_2016、EI(收录号：20170403275044)、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：为实现风力发电机组等变工况机电设备的早期故障预警,研发了变工况齿轮箱状态监测系统。在基于该系统的多种变工况行星齿轮磨损实验研究基础上,提出了一种基于流形学习的早期故障预警方法。该方法首先研究采用完全总体经验模态分解与改进快速独立成分分析盲源分离技术,有利于对复杂振动信号的滤波与盲源分离;然后研究改进了局部线性嵌入流形学习方法,基于时域、频域信息融合提取了早期故障敏感特征;最后应用k-近邻分类器实现变工况齿轮箱早期故障预警。实验研究表明,该方法提高了早期故障预警准确率,能够应用于风电机组等变工况机电设备的安全保障及科学维护,具有广泛工程实用前景。

关 键 词：变工况 风电机组齿轮箱  状态监测系统 早期故障预警  

分 类 号：TP277] TH165.3]