许志华，潘庭龙

(1.盐城工学院 电气工程学院，江苏 盐城 224051；2.江南大学 物联网工程学院，江苏 无锡 214000)

0 引 言

中国风能储量大，为风电的发展提供了良好的资源基础。受季节、气候等环境因素的影响，风电所获得的信号存在一定的随机性，这些因素会给整个系统带来很大的冲击。

由于风机工作环境的特殊性，它的故障率极高，例如叶片损坏、齿轮损伤、轴承磨损等。如今风电机组的故障诊断已经成为了一个研究热点。通常风电中采集到的信号含有大量的噪声，这会对系统故障诊断产生干扰，如果在故障诊断前先对信号进行降噪处理，就可以大大减弱这种干扰。

在去噪方面，小波变换、经验模态分解(EMD)、形态滤波等方法存在各自的问题：(1)小波变换需要考虑采样频率、分解层数、小波函数选择、阈值函数选择等一系列因素，具有主观性[1-3]；(2)EMD方法虽然能够降噪，模态混叠和端点效应问题难以解决，容易使结果失真，影响数据的后续处理与应用[4，5]；(3)形态滤波在低频时表现较好，但是处理高频信号时，失真严重，影响输出。

变分模态分解(VMD)迭代寻找模型最优解，确定各分量频率中心和带宽，实现不同频率成分有效分离，是完全非递归分解模型，有效避免了EMD中的模态混叠现象[6,7]。VMD利用了维纳滤波，具有良好的降噪效果。

在此基础上，研究人员用变分模态分解来对数据进行预处理，去除采集信号中的噪声成分。变分模态分解具有较好的鲁棒性，其处理信号的结果受模态个数K和惩罚参数的影响较大，通过给定合适的K值可以很好地避免模态混叠现象。……