基于声音信号的机械故障诊断切实可行,但风电齿轮箱声音信号可拾取到机舱内的多个振源信号和干扰噪声,影响故障的精确定位,为此,提出一种改进的局部均值分解(local mean decomposition,LMD)方法,通过分离声音信号中的调频调幅成分,实现...基于声音信号的机械故障诊断切实可行,但风电齿轮箱声音信号可拾取到机舱内的多个振源信号和干扰噪声,影响故障的精确定位,为此,提出一种改进的局部均值分解(local mean decomposition,LMD)方法,通过分离声音信号中的调频调幅成分,实现齿轮箱复合故障诊断。根据掩膜信号(masking signal,MS)可抑制模态混叠的特点,采用二分法在幅值加权平均频率的1.0倍~1.5倍内搜索MS频率,提出MS与LMD多次结合的循环迭代方式,依次判断、抑制多组模态混叠现象。通过两类易发生模态混叠的仿真信号验证了该方法有效性,并将其应用于现场风电齿轮箱声音信号分析中,成功诊断出齿轮箱复合故障。展开更多
文摘基于声音信号的机械故障诊断切实可行,但风电齿轮箱声音信号可拾取到机舱内的多个振源信号和干扰噪声,影响故障的精确定位,为此,提出一种改进的局部均值分解(local mean decomposition,LMD)方法,通过分离声音信号中的调频调幅成分,实现齿轮箱复合故障诊断。根据掩膜信号(masking signal,MS)可抑制模态混叠的特点,采用二分法在幅值加权平均频率的1.0倍~1.5倍内搜索MS频率,提出MS与LMD多次结合的循环迭代方式,依次判断、抑制多组模态混叠现象。通过两类易发生模态混叠的仿真信号验证了该方法有效性,并将其应用于现场风电齿轮箱声音信号分析中,成功诊断出齿轮箱复合故障。