《多传感器数据融合的风电齿轮箱性能衰退评估》PDF+DOC
作者:马越,陈捷,洪荣晶,潘裕斌
单位:中国兵器工业集团第210研究所
出版:《计算机集成制造系统》2019年第02期
页数:8页 (PDF与DOC格式可能不同)
PDF编号:PDFJSJJ2019020050
DOC编号:DOCJSJJ2019020059
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于振动信号的风电齿轮箱故障分析》PDF+DOC2016年第02期 邵荣茂,贾丙辉,王宗荣
《基于加速度传感器的HHT信号降噪方法》PDF+DOC2015年第05期 杨大为
《基于阶次分析的风电机组在线模态参数识别与故障诊断》PDF+DOC2017年第04期 李静立,王谦,张军,李磊磊
《风力发电机组故障诊断与预测技术研究综述》PDF+DOC2017年第05期 金晓航,孙毅,单继宏,吴根勇
《风电机组轴承的状态监测和故障诊断与运行维护》PDF+DOC2012年第01期 苏连成,李兴林,李小俚,张燕辽,张仰平
《风力发电机组振动故障诊断与分析》PDF+DOC2014年第04期 贾轶军
《行星齿轮箱太阳轮故障动态啮合周期特性》PDF+DOC2020年第06期 张冕,王科盛,李亚鑫
《EMD在卫星姿态控制系统未知故障诊断中的应用》PDF+DOC2009年第S1期 张筱磊,沈毅,张迎春
《小波消噪-HHT的四通阀故障诊断》PDF+DOC2009年第03期 李婷,蒋庆,蔡晋辉,姚燕
《虚拟式齿轮箱故障诊断仪的研究与开发》PDF+DOC2008年第03期 丁志宇,季忠,秦树人
针对风电齿轮箱传动结构复杂、所处工况恶劣,难以提取有效振动信号特征进行性能衰退分析的问题,提出多传感器数据融合的风电齿轮箱性能衰退评估方法。该方法将自适应完全集合经验模态分解(CEEM-DAN)、核主分量分析(KPCA)和Hotelling T2统计量相结合,先对风电齿轮箱全寿命的非线性、非平稳振动信号进行CEEMDAN-KPCA降噪处理,再利用KPCA对降噪后的多组振动信号进行融合分析,提取连续的T2值(C-T2)及其时域特征作为评估指标,建立风电齿轮箱性能衰退模型。实验结果表明,该方法对风电齿轮箱振动信号降噪效果显著,C-T2特征有效解决了多组振动信号特征维数膨胀问题,且C-T2时域特征模型比振动信号时域特征模型能更准确地评估风电齿轮箱性能的衰退过程。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。