基于S-SLLE的风电机组齿轮箱故障诊断方法研究

• 作者: 王翔 王金平 许万军
• 来源期刊: 太阳能学报
• 学科: 工学
• 关键词: 风电机组 特征提取 支持向量机 流形学习 齿轮箱振动故障
• 年，卷（期）: 2022,（3）
• 页码范围: 343-349
• 页数: 7页
• 分类号: TH165.3
• 语种: 中文
• DOI: 10.19912/j.0254-0096.tynxb.2020-0601

摘要

针对风电机组齿轮箱结构复杂、受交变载荷和恶劣工作环境影响容易出现故障导致停机的问题,提出基于统计学K-均值聚类理论的统计型监督式局部线性嵌入流形学习(S-SLLE)特征维数约简方法,首先通过对齿轮箱振动信号时频域故障特征提取,剔除冗余特征向量,减少诊断模型的复杂度和计算量,再利用RBF核支持向量机分类器建立诊断模型,对S-SLLE提取的特征向量进行分类识别,以提高故障诊断模型的识别率.最后利用MFS机械故障模拟综合实验系统进行齿轮箱多类振动故障实验,通过对其实验故障信号的分析处理,其诊断实例结果验证了提出的S-SLLE RBF-SVM诊断模型能准确有效地进行风电机组齿轮箱故障诊断识别.