基于RF特征优选和WOA-ELM的风电齿轮箱故障诊断

作者：何坤敏; 王霄; 杨靖; 覃涛; 范圆成

来源：电子测量技术, 2023, 46(05): 57-64.

DOI：10.19651/j.cnki.emt.2210782

• 风电机组安全
• 齿轮箱
• 故障诊断
• 随机森林
• 极限学习机

针对风电机组齿轮箱故障特征提取不足，故障诊断率低问题，提出了一种基于RF特征优选，结合WOA-ELM特征识别的风电齿轮箱故障诊断方法。首先，提取风电齿轮箱时域、频域、时频域特征，构建多域高维特征集；其次，利用RF进行特征重要度排序并提取10维优选特征；最后，利用WOA优化调整ELM模型的输入权值和隐含层阈值，实现风电齿轮箱故障分类识别。将本文方法应用于风电齿轮箱故障诊断，实验结果表明，本文方法平均诊断率能达到99.81%,诊断准确率均高于对比方法且诊断用时最少，能够有效地进行风电齿轮箱故障诊断。

• 单位
  贵州大学