| 灰狼算法优化支持向量机在风力机齿轮箱故障诊断中的应用 |
| |
| 引用本文： | 胡璇,李春,叶柯华.灰狼算法优化支持向量机在风力机齿轮箱故障诊断中的应用[J].机械强度,2021,43(5):1026-1034. |
| |
| 作者姓名： | 胡璇 李春 叶柯华 |
| |
| 作者单位： | 上海理工大学能源与动力工程学院,上海200093;上海理工大学能源与动力工程学院,上海200093;上海市动力工程多相流动与传热重点实验室,上海200093 |
| |
| 摘 要： | 针对风力机齿轮箱振动信号非线性和非平稳性的特征,提出基于模糊熵(Fuzzy Entropy,FE)和灰狼算法优化(Grey Wolf Optimizer,GWO)的支持向量机(GWO Support Vector Machine,GWO-SVM)的故障诊断方法.通过集合经验模态分解算法(Ensemble Empirical Mode Decomposition,EEMD)对振动信号进行分解得到若干本征模态函数(Intrinsic Mode Function,IMF)分量;求取各状态IMF分量的模糊熵并构建特征向量;将各特征向量输入GWO-SVM模型进行故障识别及分类.结果 表明:齿轮箱振动信号不同状态下的模糊熵有一定区分度,通过GWO-SVM能对其进行精确识别和分类,且GWO-SVM相对于粒子群优化(Particle Swarm Optimization,PSO)SVM模型和遗传算法(Genetic Algorithm,GA)优化SVM模型具有更短的运行时间和更高准确率,平均准确率高达92.5％.
|
| 关 键 词： | 风力机齿轮箱 故障诊断 集合经验模态分解 灰狼算法优化 支持向量机 模糊熵 |
APPLICATION OF GWO-SVM IN WIND TURBINE GEARBOX FAULT DIAGNOSIS |
| |
| HU Xuan,LI Chun,YE KeHua.APPLICATION OF GWO-SVM IN WIND TURBINE GEARBOX FAULT DIAGNOSIS[J].Journal of Mechanical Strength,2021,43(5):1026-1034. |
| |
| Authors: | HU Xuan LI Chun YE KeHua |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
