热能动力工程

作者：黄宇斐，石新发，贺石中，周 娜

单位：广州机械科学研究院有限公司，广东 广州 510000,,广州机械科学研究院有限公司，广东 广州 510000,,广州机械科学研究院有限公司，广东 广州 510000,,广州机械科学研究院有限公司，广东 广州 510000,

关键词：风电齿轮箱;故障诊断;主成分分析;支持向量机

基金：广东省科技计划项目（2020B1212070022）;广州机械科学研究院有限公司博士后专项（17300065）

为解决风电齿轮箱状态监测数据样本量较少，特征指标间存在相互干扰且具有非线性难以分类等问题，本文提出了一种基于主成分分析结合支持向量机的风电齿轮箱故障诊断方法。首先，采用主成分分析法（PCA）对原始数据进行降维，做出第1，2主成分二维图及前3个主成分三维图，表明PCA对监测状态数据具有一定的分类效果。其次，提取累计贡献率80%以上的前5个主成分作为数据集。最后,采用支持向量机（SVM）比较4种不同核函数的诊断准确度，并加入噪声验证。分析结果表明：径向基核函数构建的支持向量机总体分类精度达到97%，准确率最高；在含噪的情况下，线性核函数与径向基核函数分类精度达到94%；与MLP神经网络进行对比发现，支持向量机更适应小样本分析且测试精度较高。实例分析表明，主成分分析结合支持向量机有较好的分类效果，适用于风电齿轮箱故障诊断的工程应用。

来源：2022年第10期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2022年第10期