基于极限学习机的风电机组主轴承故障诊断方法

• 作者: 卢锦玲 绳菲菲 赵洪山
• 来源期刊: 可再生能源
• 学科: 工学
• 关键词: 风电机组 主轴承 故障诊断 极限学习机 改进粒子群优化算法
• 年，卷（期）: 2016,（11）
• 页码范围: 1588-1594
• 分类号: TK83|TP181
• 语种: 中文

摘要

针对传统故障诊断方法在风电机组主轴承的故障诊断中诊断准确率不高的问题,引入了一种改进粒子群优化(PSO)算法,并结合交叉验证(CV)优化极限学习机(ELM)的方法.利用ELM建立故障诊断模型,采用主轴承振动信号的代表性时域特征参数作为模型输入,结合改进PSO算法和CV用于模型的参数优化,用于风电机组主轴承的故障诊断.实例分析表明,文章提出的方法可以快速、有效地诊断风电机组主轴承的故障,与LS-SVM,SVM和BPNN等方法相比,诊断准确率更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵洪山	华北电力大学电气与电子工程学院	118	1689	23.0	37.0
2	卢锦玲	华北电力大学电气与电子工程学院	63	998	18.0	29.0
3	绳菲菲	华北电力大学电气与电子工程学院	2	18	2.0	2.0