晋成凤, 彭宇涵, 段学涛, 陈果, 郑建虎, 赵会城, 胡忠忠, 曹玲燕, 沈瑶宇, 万福
风机齿轮箱是风力发电机组能量传递的核心部件,振动信号作为风机齿轮箱故障诊断的关键数据源,能够精准反映风电机组内部动态特性。然而,在实际运行中齿轮箱内部振动信号易受多源复合噪声干扰,使得传统信号去噪技术难以有效分离噪声而面临瓶颈,亟需开发风机齿轮箱在服役复杂环境下的自适应去噪。因此,本文提出一种融合自适应噪声完备集合经验模态分解(CEEMDAN)、遗传算法(GA)与小波阈值降噪(WTD)的复合去噪方法,通过构造真值未知条件下时-频-能三维评估指标,建立参数空间映射模型,实现小波基函数、分解层数、阈值规则及相关系数阈值的多元协同优化,该体系通过平滑度、谱熵与残差能量比的互补验证,克服了单一指标的局限性。实验结果表明,该方法在模拟信号中能够将信噪比提升至12.16 dB,均方根误差为0.78×10-2。通过CEEMDAN模态分解与WTD的层次化噪声滤除机制,结合GA的全局参数优化能力,突破了传统方法依赖人工经验、参数耦合优化困难的瓶颈。为风机齿轮箱早期故障诊断提供了高保真信号预处理方案,对提升风电机组状态监测可靠性具有重要工程意义。