基于EEMD-CC和PCA的风电齿轮箱状态监测方法

摘要

齿轮箱是风力发电机组的核心传动部件,不仅结构复杂制造成本高,而且故障率高维修费用巨大,对其进行状态监测具有重要意义.针对风电齿轮箱在复杂工况下运行所产生的非线性、非平稳振动信号,提出了一种基于EEMD-CC和PCA的风电齿轮箱状态监测方法.该方法先对含有大量噪声的风电齿轮箱振动信号进行集合经验模态分解和相关系数(EEMD-CC)降噪处理.然后,将降噪后的正常信号数据进行主分量分析(PCA)建模,并以T2统计量和SPE统计量作为信号异常的评判指标.最后,把降噪后的测试数据带入PCA模型中,分别判断T2和SPE值是否超出阈值,实现风电齿轮箱的状态监测.试验结果证明,该方法能够有效地监测风电齿轮箱的状态.