论文部分内容阅读
轴承是风力发电机组中故障率较高的部件，其故障信号为非线性、非平稳信号，经验模态分解是一种自适应的信号处理方法，可用来分析此类信号，但是模态混叠使得经验模态分解无法准确地将固有模态分离出来。针对此问题，采用总体平均经验模态分解进行改进，利用高斯白噪声的频率均匀分布的统计特性，抑制模态混叠现象，并通过计算固有模态函数与故障信号的互信息来剔除虚假分量，从而得到更准确的Hilbert-Huang谱，由此提取故障信息，判断故障类型。仿真试验及轴承故障诊断实例均证明了该方法的有效性。