基于WSGMD和AMOMED的风力发电机齿轮箱轴承早期故障诊断

摘要

围绕风力发电机齿轮箱轴承早期故障诊断困难这一难题,提出一种基于加权辛几何模态分解和自适应多点最优最小熵解卷积的诊断新方法。首先,采用辛几何模态分解将原始振动信号分解为多组辛几何分量,计算各分量的Gini系数并据此对各分量进行加权重构,得到信噪比提升的重构信号。为了进一步强化放大重构信号中的故障特征,通过鲸鱼优化算法对多点最优最小熵解卷积的滤波长度及冲击周期进行自动搜索,获取最佳参数后对重构信号做进一步解卷积处理,最终通过解卷积信号的包络解调分析来识别轴承服役状态。风电现场机组振动监测信号验证表明,该方法可准确辨识出轴承早期故障,具有广阔的工程应用前景。