论文部分内容阅读
为实现风力发电机组等变工况机电设备的早期故障预警，研发了变工况齿轮箱状态监测系统。在基于该系统的多种变工况行星齿轮磨损实验研究基础上，提出了一种基于流形学习的早期故障预警方法。该方法首先研究采用完全总体经验模态分解与改进快速独立成分分析盲源分离技术，有利于对复杂振动信号的滤波与盲源分离；然后研究改进了局部线性嵌入流形学习方法，基于时域、频域信息融合提取了早期故障敏感特征；最后应用％一近邻分类器实现变工况齿轮箱早期故障预警。实验研究表明，该方法提高了早期故障预警准确率，能够应用于风电机组等变工况机电设备的安