为准确地辨识已知、未知故障类别,提出一种基于模糊核聚类模型的风电齿轮箱故障诊断新方法。首先,将模型初始聚类中心和核参数作为优化变量,采用改进型灰狼优化算法寻优求解。改进型灰狼优化算法中引入莱维飞行策略和非线性收敛向量,能够提高算法的收敛速度与精度,从而获得最佳分类结果下的各聚类中心和核参数;然后,根据待测样本与各聚类中心之间的核空间样本相似度,先判断样本是否属于已知故障,再诊断故障类别;最后,通过模拟风电齿轮箱的故障实验验证了该方法的有效性。

海上风电场现场釆集到的实际振动信号经常受到多种噪声的影响,加大了故障诊断的难度,而目前普遍应用的单一元素多尺度形态滤波器不能滤除各种噪声。为此文章在多尺度形态滤波方法的基础上,同时兼顾尺度和形状两种因素提出了基于多结构元素的多尺度形态滤波方法;用信噪比和偏斜度构建出新的判别指标,用来判断去噪效果的好坏;最后利用经验模态分解将信号进行分解得出更加准确的包络谱,由此进行故障判断。应用所提方法对标准轴承信号和某海上风机的现场数据进行分析,仿真结果表明该方法能够更好地滤除噪声,抑制噪声干扰,突出轴承故障频率,进而实现对海上风机轴承的故障诊断。