基于时频域特征参数的风电机组滚动轴承故障诊断方法及应用

针对风电机组滚动轴承工作环境恶劣、工况多变且振动信号成分复杂等特点,将33项时域和频域特征参数及其特性应用于风电机组滚动轴承状态监测和故障诊断中,利用奇异值分解重构法(Singular Value Decomposition,SVD)将滚动轴承振动故障信号中的噪声等干扰成分去除,降噪重构后的信号经过基于经验模式分解法(Empirical Mode Decomposition,EMD)的希尔伯特-黄变换,实现故障冲击信号的共振解调处理,将低频周期故障调制信号筛选出来,最终结合滚动轴承各部件故障特征频率、振动信号时频分析结果和时频特征参数诊断结果实现滚动轴承的状态监测和故障识别。并通过振动测试信号分析,验证了该方法对提取风电机组滚动轴承故障特征的有效性。

基于9/7小波变换的木材纹理频域特征研究

通过利用实数9/7小波变换,对木材纹理进行多尺度分解,利用特征参数分析了木材纹理频率分布特征,比较了针叶材与阔叶材、径向与弦向切面的木材纹理的差异。实验结果表明,利用实数9/7小波变换,分析各子图像能量值的标准差,筛选出木材纹理最佳分解尺度为3,同时还发现小波能量分布比例和EHL/ELH值可作为木材纹理方向性参数。

基于5/3小波变换的木材纹理频域特征研究

通过利用整数5/3小波变换,对木材纹理进行多尺度分解,利用特征参数分析了木材纹理频率分布特征,比较了针叶材与阔叶材、径向与弦向切面的木材纹理的差异。实验结果表明,利用整数5/3小波变换,分析各子图像能量值的标准差,筛选出木材纹理最佳分解尺度为2,同时还发现小波能量分布比例和EHL/ELH值可作为木材纹理方向性参数。