风电机组已成为可再生能源转型的核心支柱，作为关键部件之一，主轴承的健康状态对保障风力发电机的安全稳定运行至关重要。然而，由于恶劣的服役环境和超低的旋转速度，导致传统的振动分析方法失效；此外，自然损坏的主轴承通常呈现复合故障，如何全面准确的检测所有潜在的故障仍需进一步的探索。为了解决这些问题，课题组提出了一种基于声发射的广义稀疏谱相干用于风机主轴承复合故障检测，旨在提高诊断的准确性和可靠性，推动清洁能源转型。

    研究人员结合风机发电原理，直接从采集的声发射信号中自适应的估计旋转速度，不仅避免了安装额外的转速计从而降低监测成本，而且确保了速度信息与监测信息的同步；进一步，凭借良好的稀疏量化特性，所构建的方法有效的增强了复合故障特征，同时设计了数据驱动优化方案以提高诊断精度。研究结果表明，与传统监测技术相比，所提的方法克服了振动分析在超低速工况下的局限性，为大型主轴承的健康管理提供了新的思路和策略。

    该研究成果已被机械领域顶级期刊Mechanical Systems and Signal Processing录用，文章链接：https://doi.org/10.1016/j.ymssp.2023.111027.