来源：期刊VIP网 时间：
作者：别锋锋;张瀚阳;李倩倩;丁学平;束雨;陈素珍;
单位：常州大学机械与轨道交通学院;常州大学江苏省绿色过程装备重点实验室;
摘要：风电作为其中的一种重要形式，正在逐渐成为能源结构转型的主力军。风电机组中行星齿轮箱是关键的传动部件，其故障诊断对于保障风电机组的安全稳定运行至关重要。面向行星齿轮箱故障状态信息的非线性、非平稳特性，提出一种基于多元变分模态分解(MVMD)的故障诊断方法，该方法结合了多元变分模态分解与蝙蝠优化算法(BA),以最小化固有模态函数(IMF)分量的局部包络熵为优化目标，运用蝙蝠算法对分解层数K和惩罚因子α进行智能寻优。相较于传统的手动寻优方式，该方法旨在更高效地找到最优的MVMD参数组合，从而更为有效地从各种故障状态中提取出信号的特征参数，利用这些优化后的参数，依托MVMD算法对原始信号进行分解，计算有效IMF分量的多尺度排列熵(MPE),构建故障特征向量，将这些特征向量输入到核极限学习机(KELM)进行训练和识别，最终实现齿轮状态模式的精确识别。
关键词：多元变分模态分解;;行星齿轮箱;;多尺度排列熵;;模式识别;;核极限学习机
基金资助：国家自然科学基金资助项目(52206041);; 江苏省研究生科研与实践创新计划项目资助项目(SJCX23＿1503)
