风力发电机振动信号预处理过程滤波方法

     对风力发电机的运行状态进行监测，能够有效地降低维修成本和确保运行**，在实时监测系统中，采集到的振动信号由于各种原因常含有大量的干扰信号，因此，要对风力发电机运行状态准确监测，动平衡仪在信号预处理过程中首先就必须对干扰信号滤波。

滤波可分为硬件滤波和软件滤波。硬件滤波主要是采用干扰抑制电路，例如CPLD脉冲干扰抑制电路，硬件滤波电路因**度不高，自适应性较差在工业中应用较少。软件滤波是在程序中设计一些数字滤波器，通过特定的算法达到滤波的目的，这种方法具有**度高、通用性强等优点，对实测信号进行数字滤波在经济上和使用上都有很大的好处，在工业应用中多采用这种方法滤波。

     1、   快捷傅里叶变换（FFT）滤波.1965年，cooley J.W和TUKEY J.W提出了一种快速通用的离散傅里叶变换计算方法（FFT），并编出了使用这种方法的**个程序，快速傅里叶变换迅速用于信号分析和数据处理中，基于FFT算法的数字滤波器相继出现，经过不断的发展，又不断涌现了各种改进的FFT算法滤波器，例如分数阶傅里叶滤波器。

但快捷傅里叶变换滤波法只适用于分析连续平稳信号，对于非平稳信号，直接进行傅里叶变换将会产生严重的“频率模糊”而导致很大的误差甚至错误。为此，早在20世纪中叶，Gabor提出了短时傅里叶变换（STFT），又称为加窗傅里叶变换（WFT）或者Gabor变换，用以测量声音信号的频率定位。虽然这种方法不仅适用于平稳、线性信号的滤波，也适用于处理非平稳、非线性信号，但其窗口宽度由窗函数的长度确定，一旦窗函数确定，整个时频窗就保持不变，也就是说没有自适应能力。

     2、   小波分析滤波。尽管短时傅里叶变换在一定程度上解决了非平稳信号的问题，但它存在时频分辨率固

定的不足，为了克服这一缺陷，20世纪80年代后期，小波分析技术逐渐发展起来，它是函数分析、傅里叶变换、谐波分析、数值分析的完善结合，被誉为分析信号的数学显微镜。

     小波分析在低频部分具有较高的频率分辨率和较低的时间分辨率，动平衡仪在高频部分具有较低的频率分辨率和较高的时间分辨率，很适合探测信号中的瞬态反常现象并展示其成分，而且在时域和频域都具有表征信号局部特征的能力，是一种窗口大小固定但其形状可变的时频局部化分析方法。

近年来，国内外提出了各种基于小波分析的滤波方法，如：小波包，小波域、正交小波、正交多小波、梳状小波等。但小波函数是不具有**性，同一个工程应用问题，用不同的小波函数进行分析得到的结果相差甚远，小波函数的选择是小波分析中的一个难点，往往只能通过不断地实验来选择小波函数。

     3、   维纳滤波和卡尔曼方法滤波。维纳滤波（*小二乘滤波法）是20世纪40年代由美国数学家

Robert Wiener提出的一种以*小平方为*优准则的线性滤波法，即在一定的约束条件下，其输出与给定函（期望输出）的差的平方达到*小，通过数**算*终可变为一个求解托布利兹方程的方法。维纳滤波器能*大程度地滤除干扰噪声，提取有用信号，实现*优滤波，但其参数固定，只适用于平稳信号的*优滤波。