基于形态学多重分形的风电机组轴承故障诊断

摘要：

针对风电机组滚动轴承振动信号通常具有非线性和低信噪比的特点,提出一种基于形态学多重分形(morphological multi?fractal,简称MMF)和改进的灰色关联分析(improved grey relational analysis,简称IGRA)的滚动轴承故障诊断方法.首先,通过信号质量指数研究了轴承振动信号的多重分形特性;其次,利用形态学方法计算轴承各种状态广义维数与多重分形谱的参数,并分析了各个参数对轴承运行状态的反映能力,选取能够有效区分轴承状态的参数作为故障特征量;然后,引入离差最大化加权对经典的灰色关联模型进行改进,提升了信息的利用率以及模型的可靠性;最后,利用改进的灰色关联分析实现了滚动轴承的故障诊断.通过仿真分析和应用实例对该方法的有效性进行验证,结果表明该方法能准确识别轴承故障类型,较传统方法准确率更高,运算时间更短,适合解决实际工程问题.

关键词：故障诊断;特征提取;数学形态学;多重分形;离差最大化;灰色关联分析

所属期刊栏目：41

分类号：TH17;TH133.3

资助基金：国家自然科学基金;内蒙古自治区科技计划资助项目;内蒙古自治区科技计划资助项目;内蒙古自然科学基金面上资助项目

在线出版日期：2022-01-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1081-1089