基于连续平均谱负熵改进经验小波变换的风力机齿轮箱故障诊断

针对经验小波变换（Empirical Wavelet Transform，EWT）对强噪声环境下风力机齿轮箱轴承轻微故障特征提取不足的问题，利用滑移窗口提取子带的连续平均谱负熵（Continuous Average Spectral Negentropy，CASN）对EWT算法进行改进。通过CASN-EWT方法分解风力机齿轮箱轴承故障信号，采用峭度准则对所得分量进行筛选并重构，再开展包络分析，准确提取出故障特征。结果表明：CASN-EWT方法在保留EWT算法自适应性和有效避免模态混叠效应与端点效应优点的同时，能够极大提高EWT分解算法对噪声影响的鲁棒性，有利于准确提取故障特征频率，实现故障精确识别。