小波分层阈值风机故障信号降噪

王嘉乐， 王维庆， 王海云

(新疆大学电气工程学院， 乌鲁木齐 830047)

近年来，风电开发和利用技术在世界所有风电国家都取得了空前迅速的发展，推动了全球风电装机容量的快速增长。风电场与风电机组数量的不断增加，各种运行故障也随之增多。为了实现对风力发电机运行状态进行实时监测，给地面维护人员提供真实的设备运行参数信息，亟待提高检测方法的实时性和准确性。

在风力发电机运行现场的信号采集过程中，现场环境和其他设备必然会对采集的信号形成噪声干扰，这样会严重影响风机故障的判断准确性[1]。为了便于后期信号的分析诊断工作，需要对采集的故障信号用滤波器或者其他去噪方法进行处理。传统的滤波器只能针对平稳信号进行去噪，风力发电机的故障信号具有非线性、非平稳特性，所以不能采用传统滤波器进行降噪[2-3]。考虑到小波分析的优点，去噪后还保留信号特征，可用作风力发电机故障信号的降噪处理[4]。

在相关的降噪方法中，贺岩松等[5]将软阈值和遗传自适应阈值算法结合起来去选取最优阈值，但是对阈值函数本身的研究不够深入。张洪全等[6]采用小波固定阈值对风机故障信号进行监测去噪，并没有对阈值函数进行深入推导和重构，降噪效果也不理想。黎锁平等[7]提出的自适应小波去噪算法对低空飞行目标具有良好的降噪效果，相比于风机故障信号，轴承的故障信息包含于高频信号中，容易和噪声信号混淆。……