基于改进 PSO 算法的风电齿轮箱 SVM 故障诊断

• 作者: 李楠
• 来源期刊: 云南电力技术
• 学科: 工学
• 关键词: 互相关系数法 粒子群算法 支持向量机
• 年，卷（期）: 2015,（2）
• 所属期刊栏目: 电网技术
• 页码范围: 35-38
• 页数: 4页
• 分类号: TP206.3
• 字数: 3232字
• 语种: 中文

摘要

针对风电齿轮箱故障信号现实生活中难以获得大量故障样本的实际情况，并且为了提高故障诊断的精度，提出了基于改进粒子群算法（ improved particle swarm optimization， IPSO）的支持向量机（ support vector machine， SVM）的故障诊断方法。对标准粒子群（particle swarm optimization， PSO）算法进行改进得到IPSO，提高其性能，利用IPSO 算法对SVM的参数进行选择；最后从故障信号中提取三种熵值作为输入建立SVM，判断齿轮的故障类型。实验结果证明了该方法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李楠	华北电力大学能源动力与机械工程学院	11	85	5.0	9.0