科研之友
微信
新浪微博
Facebook
分享链接
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。
- 单位
