基于RF特征优选和WOA-ELM的风电齿轮箱故障诊断

作     者：何坤敏 王霄 杨靖 覃涛 范圆成 He Kunmin;Wang Xiao;Yang Jing;Qin Tao;Fan Yuancheng

作者机构：贵州大学电气工程学院贵阳550025 中国电建集团贵州工程有限公司贵阳550025 

出 版 物：《电子测量技术》 (Electronic Measurement Technology)

年 卷 期：2023年第46卷第5期

页      面：57-64页

学科分类：08[工学] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 081102[工学-检测技术与自动化装置] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61861007,61640014) 贵州省教育厅创新群体项目(黔教合KY字012) 贵州省科技计划项目(黔科合基础-ZK一般303) 物联网理论与应用案例库(KCALK201708) 自动化专业卓越工程师计划(ZYS 2015004)项目资助 

主　　题：风电机组安全 齿轮箱 故障诊断 随机森林 极限学习机 

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。