基于小波多分辨率分析的风力发电机的故障特征提取与识别.pdfVIP

· 机械研究与应用 ·2013年第2期(第26卷，总第124期) 应用与试验 基于小波多分辨率分析的风力发 电机 的故障特征提取与识别 白宇君，李 刚，高晓玲 (兰州交通大学 机电学院，甘肃 兰州 730070) 摘 要 ：利用小波多分辨率分析的方法对风力发电机振动信号进行分析，并运用小波变换对测得的信号进行处理，达 到对风力发电机组故障的诊断识别。将提取的振动信号映射到小波基 函数上，经平移和伸缩具有正交性的小波函 数．然后再经小波变换归一化得到小波分解序列的幅值 ，以此作为诊断识别的特征值，实现 了在多尺度下特征信息的 提取与故障识别，说明该方法行之有效。 关键词：小波分析 ；信号处理 ；故障诊断 中图分类号：TM31 文献标志码：A 文章编号：1007-4414(2013)02—0069—02 Extraction andRecognitionofW indTurbinesBasedonW aveletAnalysis BAIYu—jun，LIGang，GAOXiao—ling (SchoolofMechanicalEngineering，LaazhouJiaotongUniversity，LanzhouGansu 73oD719，China) Abstract：Thesignalofthevibrationonwindturbinecanbepreprocessedwiththewaveletmulti-iesolutionanalysis，andthe signalisprocessedbywavelettransform ．thefaultofthewindturbinediagnosiscanbeidentified．Theextractionofthevibra— tionsignaliscastuponasetofbasicorthogonalfunctionsfrom awaveletbyextending，andthenasetofwaveletdecomposition sequencesamplitudeisgotbythetranslationandscale，anditisusedascharacteristicparameterfordiagnosisandfaultrecog— nition，anditshowsthemulti—scalecharacteristicinformationofrextractionandrecognitionoffaultinfomr ation．Itisfound thatthismethodiseffective． Keywords：waveletanalysis；signalprocessing；faultdiangosis 1 引 言 即C 有界，则称 为一个基小波或母小波。将 风力机安装位置高、长期暴露在大 自然中，工作 母小波经过伸缩和平移后，就可 以得到一个小波序 条件恶劣，且风电场风力机组安装位置分散，离主控 列 ： 中心距离远，出现故障救援困难。为确保风力机安全 ． ()=lni-mJ2~(x—a-—b1／ (2) 稳定地运转，仅仅靠提高其设计的可靠性是远远不够 式中：a，b∈R，且a≠0。称a为伸缩因子；b为平移因 的，必须辅以有效的故障诊断。笔者将针对 目前风力 机存在的功能需要完善这一事实，根据小波变换对非 子