典型文献
基于KL-CEEMD的风机传动系统故障诊断方法研究
文献摘要：
互补集合平均经验模态分解(complementary ensemble empirical model decomposition,CEEMD)作为一种时频特征分析方法,可以较好地提取复杂非线性非平稳信号的故障特征,但其存在虚假分量,很大程度限制诊断过程中的准确性.针对该问题,提出一种基于KL散度(Kullback-Leibler divergence,KLD)的CEEMD虚假分量识别方法(KL-CEEMD).该方法在原有CEEMD方法基础之上,进一步计算各分量IMF与原信号之间的KL散度值,从而量化各分量与原信号之间的相关性.最后通过对各个IMF的KL散度值进行聚类分析,找出虚假分量和真实分量,最终解决CEEMD的虚假分量问题.为验证KL-CEEMD的有效性,研究搭建风力机传动系统振动试验台,基于该方法对实验台实验数据以及仿真数据进行验证性研究,最终证明所提方法可以很好改善CEEMD的虚假分量问题,能够有效提取出故障信号的真实特性.
文献关键词：
风机传动系统振动信号;虚假分量;互补集合平均经验模态分解;KL散度
中图分类号：
作者姓名：
韩中合;赵文波;朱霄珣;李震涛
作者机构：
华北电力大学动力工程系,河北 保定 071003
文献出处：
引用格式：
[1]韩中合;赵文波;朱霄珣;李震涛-.基于KL-CEEMD的风机传动系统故障诊断方法研究)[J].中国测试,2022(05):88-95,101
A类：
互补集合平均经验模态分解,风机传动系统振动信号
B类：
CEEMD,系统故障,故障诊断方法,complementary,ensemble,empirical,model,decomposition,时频特征,非平稳信号,故障特征,虚假分量,诊断过程,散度,Kullback,Leibler,divergence,KLD,方法基础,IMF,风力机,振动试验台,实验台,仿真数据,验证性,有效提取,故障信号
AB值：
0.262942
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
