基于增强组合差分形态滤波器的大型风力机轴承故障诊断

针对由于大型风力发电机的工作环境恶劣其发电机轴承的故障特征信息会受到强背景噪声和电磁噪声干扰而难以检测的问题,提出一种新的增强组合差分形态滤波器(ECGMF)用于检测滚动轴承的故障特征信息。该方法结合改进的基本形态学算子的特点,构造一种既能保留信号的故障特征,又能抑制噪声干扰的增强组合差分形态学算子。此外,为了解决峭度准则和信噪比在选择结构元素的尺度时不够准确的问题,采用特征频率强度系数(C_(CFI))来自适应优化结构元素的尺度。仿真和实验结果表明,所提出的方法能有效提取风力机轴承故障的特征信息。与其他形态滤波器的对比结果验证该方法的有效性和优越性。

基于自适应增强差分积形态滤波器的滚动轴承故障特征提取方法

为了在强背景噪声下提取滚动轴承微弱的故障特征信息。提出一种新的自适应增强差分积形态滤波方法(Adaptive enhanced difference product morphological filter,AEDPO)用于滚动轴承早期的故障诊断。首先,结合已有的四种形态学滤波算子滤波的能力,提出一种改进的增强差分积形态滤波算子(Enhanced difference product morphological filter operation,EDPO),该算子具有在强背景噪声下提取周期性脉冲特征的能力。随后,针对形态滤波过程中最优的结构元素(Structuring element,SE)尺度选择问题,提出一种新的自适应选择策略,名为峭度特征能量积(Kurtosis feature energy product,KF)。最后,EDPO算子凭借最优的SE尺度进行滤波处理,提取滚动轴承早期的故障特征。通过对仿真信号和实测滚动轴承内圈故障信号进行分析,结果表明AEDPO方法能够有效地在强背景噪声中提取滚动轴承微弱的故障特征,对比于传统的形态滤波方法更能体现该方法的准确性和优越性。