基于SHSVD-AS的风电齿轮箱故障诊断

针对传统的硬阈值奇异值分解降噪法(HSVD)阈值选取主观性较强、自适应性较弱、易丢失信号特征的问题,首先提出一种自适应的硬阈值选取算法;其次,利用一种非等量最优权值收缩的软阈值奇异值分解降噪(SSVD)方法,并结合HSVD,形成一种混合阈值的奇异值分解(SHSVD)降噪方法;最后再结合所提出的一种幅值抑制(AS)算法用于突出信号的故障冲击特征SHSVD-AS。利用该方法对风电传动系统齿轮箱故障信号进行分析,仿真、实测信号的结果均表明,在强噪声环境下,相较于传统的HSVD、VMD-HSVD方法,SHSVD-AS在风电齿轮故障诊断上性能较好。