下载掌阅APP，畅读海量书库
立即打开
采集信号的消噪预处理是故障特征提取的重要基础，在风电领域，常用的信号特征提取方法有：包络谱分析、经验模态分解（Empirical Mode Decomposition，EMD）、小波变换（Wavelet Transform，WT）、盲源分离法等，各种信号特征提取的新方法也不断涌现。文献[142]中阐述了傅里叶变换、小波变换及小波包变换三种获得信号特征参数的方法，并通过对比分析，总结了各自的优缺点。文献[143]详细论述了基于倒频谱、包络谱及循环平稳分析的故障特征提取方法，并通过实际案例对几种方法进行分析总结。文献[144]中以信号的各阶统计量构成统计测度，形成基于互信息的小波特征提取方法，由时域信号直接得到小波分解的低维特征。文献[145]提出一种基于ITD固有时间尺度分解的方法，提取风电轴承故障特征，进行在线故障诊断。文献[146]中对风机叶片进行声发射实验，对小波基函数的重分配尺度谱进行优化，提取其裂纹故障特征。文献[147]中采用EMD方法对轴承振动信号进行分解，将峭度较高的模态函数经Hibert变换以提取瞬时频率为故障特征。文献[148]中将振动信号进行小波变换包络解调，以最大信噪比为目标，采用盲源分离方法分离解调信号，再用频谱变换提取轴承的故障特征频率。常用的基于振动信号的故障特征提取方法有：时域、频域、时频域和信息熵等。