基于RF特征优选和WOA-ELM的风电齿轮箱故障诊断

摘要：

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.

关键词：风电机组安全、齿轮箱、故障诊断、随机森林、极限学习机

所属期刊栏目：46

分类号：TP207;TP3-05(自动化技术及设备)

资助基金：国家自然科学基金;国家自然科学基金;贵州省教育厅创新群体项目;贵州省科技计划项目;自动化专业卓越工程师计划

在线出版日期：2023-07-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：57-64