基于分形维数和GA-SVM的风电机组齿轮箱轴承故障诊断

• 作者: 安淑君 时培明 梁凯 赵娜
• 来源期刊: 计量学报
• 学科: 工学
• 关键词: 计量学 轴承故障诊断 风电齿轮箱 分形维数 遗传算法支持向量机 识别准确率
• 年，卷（期）: 2018,（1）
• 页码范围: 61-65
• 页数: 5页
• 分类号: TB936|TB973
• 字数: 2840字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1158.2018.01.14

摘要

对风机齿轮箱轴承故障诊断进行了研究,提出一种基于分形维数和遗传算法支持向量机(GA-SVM)相结合的故障诊断算法.基于常用的时域特征参数作为支持向量机的识别参数,引入分形维数特征参数来提升支持向量机的识别精度.提出了基于遗传算法(GA)的支持向量机参数优化的模型,通过GA的寻优自动获得最优的支持向量机参数.采用某风场的风电机组齿轮箱轴承数据进行故障诊断,实验表明,所提出的GA-SVM模型很好地解决了参数选择的问题,同时基于分形维数的特征参数也提高了风电机组轴承故障的识别准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	时培明	燕山大学电气工程学院	71	537	12.0	20.0
2	赵娜	燕山大学电气工程学院	15	156	6.0	12.0
3	梁凯	燕山大学电气工程学院	3	69	2.0	3.0
4	安淑君	燕山大学电气工程学院	2	69	2.0	2.0