基于PSO-SEBD的风电机组滚动轴承故障诊断

摘要：

滚动轴承作为风电机组传动系统的关键部件,其健康状态监测对整个机组的安全稳定运行至关重要.针对滚动轴承的故障诊断问题,在基于先验未知盲反卷积技术的包络谱重复瞬态循环平稳性提取方法(extracting cyclo-stationarity of repetitive transients from envelope spectrum based on prior-unknown blind deconvolution technique,SEBD)的基础上,提出了一种基于粒子群算法(particle swarm optimization,PSO)寻优的SEBD滚动轴承故障诊断方法,实现SEBD滤波器长度自适应选择.以最大故障特征频率比(characteristic frequency ratio,CFR)作为适应度函数,利用PSO算法对滤波器长度进行寻优;利用获得的最优滤波器长度进行SEBD处理;根据SEBD处理后信号的包络谱特征实现轴承故障的有效识别.通过对仿真信号和德国帕德博恩大学公开轴承故障数据进行分析,验证了 PSO-SEBD的有效性.通过与几种常用的诊断方法对比以及噪声环境下分析,表明该方法具有较好的诊断性能和抗噪声能力.

关键词：滚动轴承、故障诊断、盲反卷积技术、粒子群算法

所属期刊栏目：42

分类号：TH17

资助基金：江苏省碳达峰碳中和科技创新专项;江苏省重点研发计划;中央高校基本科研业务费专项

在线出版日期：2023-04-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：281-288