贾 嵘，李涛涛，张惠智，马喜平



基于随机共振和VMD分解的风电机组滚动轴承故障特征提取

贾 嵘1，李涛涛1，张惠智1，马喜平2

（1. 西安理工大学水利水电学院，西安 710048；2. 国网甘肃省电力公司电力科学研究院，兰州 730050）

以风电机组滚动轴承为研究对象，针对其故障诊断中强噪声背景下信号信噪比低、故障特征难以提取的问题，提出一种基于随机共振（SR）和变分模态分解（VMD）的故障特征提取方法。该方法首先利用随机共振对滚动轴承的振动信号进行降噪处理，提高信号的信噪比；然后对降噪后的振动信号进行VMD分解，通过求取固有模态函数（IMF）的幅值谱，从而发现滚动轴承的故障特征频率。将该方法应用于风电机组滚动轴承的实际数据中，分析结果表明，该方法能够提高信号的信噪比，实现风电机组滚动轴承的精确诊断。

风电机组；滚动轴承；随机共振；变分模态分解；故障诊断

0 前言

近年来，能源短缺和环境问题日益凸显，世界各国对于新能源的发展日益重视[1]风力发电作为一种可再生清洁能源在世界各国得到快速发展[2]。然而风电机组长期工作于交变载荷、多工况和大温差等复杂环境下，机组各设备极易出现各种故障，严重影响了机组的安全稳定运行[3-4]。滚动轴承作为风电机组的重要部件，其故障在机组故障中占有很高的比例[5-6]，若能提早发现滚动轴承故障，及时采取维修措施，对于保证机组的正常运行具有重要意义。

由于风电机组结构复杂、设备耦联性强，机组滚动轴承早期故障振动信号表现为非线性、非平稳特性和极易淹没在强噪声环境中，极大影响了滚动轴承故障特征的提取。……