文献类型：期刊文章

作　　者：张振海[1] 王维庆[1] 王海云[1] 曹源[1]

Zhang Zhenhai;Wang Weiqing;Wang Haiyun;Cao Yuan(Energy Technology Engineering Research Center of Ministry of Education of Renewable,Xinjiang University,Urumqi 830047,China)

机构地区：[1]新疆大学可再生能源发电与并网技术教育部工程研究中心,乌鲁木齐830047

出　　处：《太阳能学报》

基　　金：国家自然科学基金(51667020);教育部创新团队(IRT_16R63);教育厅重大专项(XJEDU2017I002);自治区“天山雪松”计划(2017XS02)。

年　　份：2021

卷　　号：42

期　　号：10

起止页码：176-182

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对风电机组齿轮箱发生复合故障时故障信号非平稳且包含特征量复杂,从而导致故障诊断无法达到理想效果的问题,提出基于混合布谷鸟改进灰狼优化算法(HCS-GWO)优化多分类支持向量机(MSVM)的诊断模型。以风电场的大量齿轮箱振动信号为基础,对去噪后的信号运用添加旁路滤波改进小波包进行分析,得到一维特征能量谱,并利用所提出的HCS-GWOMSVM故障诊断模型进行故障分类,实验结果表明:与其他故障诊断模型相比,HCS-GWO-MSVM故障诊断模型可更加高效的识别齿轮箱复合故障。

关 键 词：风电机组 故障诊断 支持向量机 齿轮箱 改进灰狼算法  改进小波包  

分 类 号：TM307.1]