In den Kühlsystemen von Wärmekraftwerken und Kernkraftwerken können die Signale des Motorenlagerversagens aufgrund ihrer schwachen und nichtlinearen Eigenschaften leicht von Betriebssignalen und ungültigen Signalen verdeckt werden, und die alleinige Verwendung der Vibrationsüberwachung reicht nicht aus, um vollständige Informationen über Ausfälle zu sammeln. Zu diesem Zweck wird eine Methode zur Fusion von Schall- und Vibrationsignalen (Schall- und Vibrationsfusion) vorgeschlagen, um die Informationen über das Lagerschadens des Motors zu überwachen. Zunächst wird für die aus den Motorenlagern gesammelten Schall- und Vibrationsignale eine integrierte Methode vorgeschlagen, die die Wellenrücken (WR) und die Variationale Modenzerlegung (VMD) kombiniert, um die Merkmale der Schall- und Vibrationsignale zu extrahieren; die Verwendung von WR zur Analyse des Ausgangssignals und anschließend die Verwendung der erhaltenen Informationen zur Bestimmung der VMD-Parameter, was die Mängel der ursprünglichen VMD-Methode ausgleicht, die eine Vorabparameterisierung auf der Grundlage von Erfahrungen erfordert; schließlich werden die Technologie der Fusion von Schall- und Vibrationsignalen und der WR-VMD-Algorithmus für tatsächliche Motorenlagerversagensdaten verwendet. Die Simulationsergebnisse zeigen: Im Vergleich zu ähnlichen Methoden extrahiert die WR-VMD-Methode die deutlichsten Merkmale, weist die geringsten Störungen auf und die höchste Genauigkeit unter den zur Fehlerdiagnose verwendeten; die Fusion von Schall- und Vibrationsignalen erhöht die Genauigkeit der Fehlerdiagnose um mindestens 7%.

Lagerausfälle; Schall- und Vibrationsfusion; Variationale Modenzerlegung; Wellenrücken; Merkmalsextraktion