技術(shù)特征：

1.一種基于改進amvmd的風電機組軸承故障特征提取方法，其特征在于包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于改進amvmd的風電機組軸承故障特征提取方法，其特征在于步驟s1具體包括以下步驟：

3.根據(jù)權(quán)利要求1所述的一種基于改進amvmd的風電機組軸承故障特征提取方法，其特征在于步驟s2具體包括以下步驟：

4.根據(jù)權(quán)利要求3所述的一種基于改進amvmd的風電機組軸承故障特征提取方法，其特征在于步驟s22具體包括以下步驟：

5.根據(jù)權(quán)利要求1所述的一種基于改進amvmd的風電機組軸承故障特征提取方法，其特征在于步驟s3具體包括以下步驟：

6.根據(jù)權(quán)利要求5所述的一種基于改進amvmd的風電機組軸承故障特征提取方法，其特征在于：峭度是用于衡量信號尖銳程度的統(tǒng)計量，用于識別沖擊信號，其值越高，表示信號中包含的瞬態(tài)信息越多；香農(nóng)熵是衡量隨機變量不確定性的度量，反映了信號的復雜性和信息量。

7.根據(jù)權(quán)利要求5所述的一種基于改進amvmd的風電機組軸承故障特征提取方法，其特征在于：teager能量算子是一種有效的信號處理工具，用于捕捉信號中的瞬態(tài)特征，首先，從多元變分模態(tài)分解mvmd中選擇表現(xiàn)出與故障相關(guān)的特征的具有代表性的模態(tài)分量，再使用teager能量算子計算所選模態(tài)分量的瞬時能量，其中，teager能量算子的計算公式如下：

技術(shù)總結(jié)
本發(fā)明公開了一種基于改進自適應多元變分模態(tài)分解的風電機組軸承故障特征提取方法，屬于風電機組軸承故障診斷技術(shù)領域，S1使用logistic?tent混沌映射代替?zhèn)鹘y(tǒng)的隨機數(shù)生成方法，初始化QPSO算法中的粒子位置，確保初始化的均勻性和隨機性；S2通過改進的QPSO算法自適應選擇模態(tài)數(shù)K和懲罰因子，以能量誤差作為適應度函數(shù)，進行參數(shù)優(yōu)化，將處理后的信號利用MVMD進行分解，得到多個代表不同的頻率成分的模態(tài)分量；S3計算各分量的峭度值和香農(nóng)熵選取重構(gòu)分量，用于后續(xù)特征提取，通過Teager能量算子分析信號的變化，并進行包絡分析以提取故障頻率，來識別出軸承的具體故障特征。本申請方法具有實用性和高效性。

技術(shù)研發(fā)人員：許學方,龔思雨,侯東曉,李明霞,賈琳潔,時培明
受保護的技術(shù)使用者：燕山大學
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9