Resumen

Bajo el entorno complicado de los grandes aerogeneradores, la señal de vibración de un aerogenerador tiene características de acoplamiento y no linealidad. El método tradicional de extracción de características para la señal es difícil de extraer con precisión la información de falla, y existe un grave problema de redundancia de información en el diagnóstico de fallas. Por lo tanto, este documento propone un método de diagnóstico de fallas de características multidominio basado en la descomposición empírica de modo complejo (CEMD) y la teoría del bosque aleatorio (RF). En primer lugar, este documento propone un método novedoso de descomposición empírica de modo complejo utilizando la información de correlación entre señales bidimensionales y utilizando la idea de descomposición empírica de modo de conjunto (EEMD) mediante la adición de ruido blanco para suprimir la mezcla de modos problema en la descomposición empírica de modo (EMD). En segundo lugar, las señales de vibración recopiladas se descomponen en IMF por CEMD

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Turbina eólica; Diagnóstico de fallas; Señal de vibración; Descomposición empírica de modo complejo; Teoría de bosque aleatorio; Extracción de características
• Keywords:Wind turbines; Fault diagnosis; Vibration signal; Complex empirical mode decomposition; Random forest theory; Feature extraction