孙鲜明，陈长征，周昊

(沈阳工业大学 机械工程学院，沈阳 110870)

风力发电机通常需要在80 m左右的高空中常年持续运行，受外部环境影响，其工况非常复杂[1-2]。为了减小风力发电机运行维护成本、增强维修的计划性和针对性，有必要对不同工况下风力发电机的振动信号进行研究。然而，现有的风力发电机故障诊断研究多集中于非线性算法。文献[3]应用EMD对风力发电机高速轴承信号进行预处理，并在Hilbert包络谱分析的基础上提取故障频率处的幅值作为特征量，用散度指标描述故障类型和严重程度。文献[4]针对风力发电机主轴承提出了基于固有时间尺度分解和最小二乘支持向量机的故障诊断方法。文献[5]利用Fourier变换、小波变换和小波包变换分别对实验室模拟的风力发电机振动信号进行分析，提出了不同类型振动信号特征向量的提取方法。文献[6]利用小波多重分形理论对风力发电机主轴承故障进行了研究，文献[7]将Hilbert-Huang变换引入风力发电机主轴轴承故障诊断，均取得了较好的效果。

上述研究均没有考虑风速变化对风力发电机振动的影响。实际中，风速往往会引起异常振动，从而造成对故障的误判。在此，针对故障率较高的风力发电机轴承，建立基于HHT时频变换的信息熵——Hilbert空间熵，描述不同风速条件下风力发电机轴承的振动信号，利用信息熵对系统状态变化敏感时能量变化不敏感的特点，对不同风速条件下的风力发电机轴承故障进行识别。……