文献类型：期刊文章

作　　者：陈学军[1,2] 杨永明[2]

CHEN Xue-jun;YANG Yong-ming(School of Mechanical and Electrical Engineering,Putian University,Putian 351100,China;State Key Laboratory of Power Transmission Equipment and System Security and New Technology,Chongqing University, Chongqing 400044, China)

机构地区：[1]莆田学院机电工程学院,福建莆田351100 [2]重庆大学输配电装备及系统安全与新技术国家重点实验室,重庆400044

出　　处：《浙江大学学报（工学版）》

基　　金：国家自然科学基金资助项目(51477015);福建省高校杰出青年科研人才培育计划资助项目(2015054);输配电装备及系统安全与新技术国家重点实验室访问学者资助项目(2007DA10512714406);莆田市科技资助项目(2016G2021)

年　　份：2018

卷　　号：52

期　　号：5

起止页码：988-995

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、INSPEC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对风力发电机振动信号非线性特征及恶劣监测环境,分析经验小波变换理论(EWT)及自适应分解特性,提出基于经验小波变换的振动信号消噪方法.采用带噪声leleccum和轴承故障仿真信号对该方法进行消噪效果检验;在同信号源下,与基于db1强制消噪方法、db1软阈值消噪方法和sym5消噪方法分析比较消除噪声效果.针对真实的风力发电机振动信号,验证了基于经验小波变换方法的消噪效果,对同样信号采用其他3种方法进行消噪分析和比较.仿真和实验分析结果表明,基于EWT小波消噪方法,与基于db1强制消噪方法、db1软阈值消噪方法和sym5消噪方法能够达到同样的消噪效果和目的,甚至更优;不损耗原振动信号能量,在自适应模态分解层数方面甚至优于经验模态分解,并且具有较强的鲁棒性.

关 键 词：经验小波变换  模态分解  振动信号 风力发电机 消噪

分 类 号：TM315] TM835