[发明专利]一种风力涡轮机轴承故障诊断方法

摘要

本发明所设计的一种风力涡轮机轴承故障诊断方法，首先利用熵最小原理设计最优滤波器，突出信号中的脉冲冲击；其次，用局部均值分解对故障信号进行分解，提取与原信号相关度较大的PF分量计算参数指标，组成特征向量集合；最后，建立改进极限学习机的风力涡轮机轴承故障分类模型，并将特征向量集合输入到改进极限学习机中进行故障的诊断。本发明方法一方面利用最小熵解卷积有效地提高信噪比，使风力涡轮机轴承故障特征明显；另一方面利用局部均值分解方法得到了原始信号完整的时频分布，从改进极限学习机的故障模型中可直接检测出风力涡轮机轴承故障类型。

主权项

1.一种风力涡轮机轴承故障诊断方法，其特征在于，所述诊断方法包含以下步骤：Ⅰ：建立最小熵解卷积模型并获取轴承发出的信号，利用所述最小熵解卷积模型对信号进行降噪处理，得到有效故障信号；Ⅱ：利用局部均值分解对所述有效故障信号进行分解以得到新信号，所述新信号包括若干个乘积函数PF，所述PF是一个包络信号和一个具有物理意义的纯调频信号的乘积；Ⅲ：建立风力涡轮机轴承的改进极限学习机故障分类模型，所述改进的极限学习机是一种双层多标签极限学习机网络；Ⅳ：将新信号输入到改进极限学习机，根据得到的新的信号进行指标计算，所述指标包括标准差、峰值、均方根值、偏斜度、谱峭度、绝对平均值、方根幅值、峰峰值、脉冲指标、波形指标、峭度指标、裕度指标；Ⅴ：将所述指标计算结果组成故障特征向量输入到改进极限学习机中进行故障分类识别，得到轴承故障类型的分类结果。