基于ACSEEMD和模糊C均值聚类的风电机组齿轮箱故障预警

论文摘要

针对风电机组齿轮箱中齿轮故障诊断问题,提出一种风电齿轮箱故障预警方法。该方法将自适应完全集合经验模态分解ACSEEMD（Adaptive Complete Set of Ensemble Empirical Mode Decomposition）、模糊C均值聚类FCMC（Fuzzy C Mean Clustering）算法和Hotelling T2统计量相结合,通过对风电齿轮箱振动信号进行ACSEEMD-FCMC降噪处理,再利用FCMC对降噪后的多组振动信号进行融合分析,提取出连续的T2值（C-T2）及其均方根值RMS（C-T2）,设定报警阈值RMS（C-T2）lim,最后,建立风电齿轮箱故障预警模型。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,可有效解决多组振动信号报警结果不一致的问题。

论文目录

• 1 自适应完全集合经验模态分解降噪方法
•   1.1 集合经验模态分解
•   1.2 自适应完全集合经验模态分解
• 2 模糊C均值聚类算法
• 3 风电齿轮箱故障预警方法
• 4 实验验证与结果分析
• 5 结论

文章来源

类型: 期刊论文

作者: 张健

关键词: 模糊均值聚类,风电齿轮箱,故障预警

来源: 电子器件 2019年06期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 电力工业

单位: 江苏安全技术职业学院电气工程系

分类号: TM315

页码: 1410-1415

总页数: 6

文件大小: 2675K

下载量: 171