基于优化模态分解和Xgblr的风机叶片故障诊断方法

作     者：黄子恒 许钊源 伍剑波 方辉 李晋航 宁琨 HUANG Zi-heng;XU Zhao-yuan;WU Jian-bo;FANG Hui;LI Jin-hang;NING Kun

作者机构：四川大学机械工程学院四川成都610065 东方电气集团中央研究院四川成都611731 东方电气风电股份有限公司四川德阳618000 

基　　金：四川省科技计划重点研发项目(2021YFG0039) 

出 版 物：《机械设计》 (Journal of Machine Design)

年 卷 期：2022年第39卷第7期

页      码：56-62页

摘      要：针对风电机组叶片振动信号复杂且难以提取有效故障信息的问题,提出了将一种小波变换(Discrete Wavelet Transform,DWT)、经验模态分解(Empirical Mode Decomposition,EMD)与Xgblr相结合的故障诊断方法。首先,通过DWT,EMD将信号降噪分解为若干分量,并利用邻近频率干扰消除的方法优化结果;其次,提取各分量的频域特征,构造时域频域原始特征集;然后,将提取的特征集合输入Xgblr模型进行特征转换,生成新的融合特征集合,将Focal损失函数应用于Xgblr进行不平衡数据集的故障诊断;最后,利用国内西部某风电场实际运行数据进行验证。

主 题 词：风电机组 叶片故障 故障诊断 EMD Xgblr Focal损失函数 

学科分类：080703[080703] 080704[080704] 08[工学] 0807[工学-电子信息类] 

D　O　I：10.13841/j.cnki.jxsj.2022.07.018

馆 藏 号：203113761...