基于HHT和SVM的風(fēng)力發(fā)電機(jī)組故障診斷研究.pdf

1、風(fēng)力發(fā)電機(jī)組的故障診斷研究主要是對(duì)其設(shè)備振動(dòng)信號(hào)的分析與研究。很多機(jī)械故障的振動(dòng)信號(hào)都是非線性、非平穩(wěn)信號(hào),因此對(duì)這些信號(hào)的處理是故障診斷的關(guān)鍵部分。
　　本文首先對(duì)小波分析、小波包(WPA)變換和希爾伯特黃變換(HHT)進(jìn)行了研究,并將這些方法用于風(fēng)機(jī)故障特征提取。小波分析是將故障信號(hào)進(jìn)行分解和重構(gòu),獲得各層重構(gòu)信號(hào)的能量經(jīng)過(guò)歸一化處理后作為特征向量;小波包變換是利用小波包的自適應(yīng)性將振動(dòng)信號(hào)分解到不同的頻帶,計(jì)算各頻帶的能量并

2、進(jìn)行歸一化處理后作為特征向量;希爾伯特黃變換是先使用經(jīng)驗(yàn)?zāi)B(tài)分解法(EMD)把信號(hào)分解為含有單一特征尺度的本征模態(tài)函數(shù)(IMF)分量,提取前幾個(gè)IMF分量信號(hào)的能量作為故障信號(hào)的特征向量。文章以 MATLAB軟件為仿真平臺(tái),通過(guò)編程實(shí)現(xiàn)這三種故障特征提取算法,并且以某種故障信號(hào)為例,對(duì)三種算法進(jìn)行了仿真實(shí)驗(yàn)。
　　然后構(gòu)建了基于最小二乘支持向量機(jī)(LS_SVM)的風(fēng)力發(fā)電機(jī)組故障診斷模型用于設(shè)備故障狀態(tài)的識(shí)別。
　　最后以某