小波分解和最小二乘支持向量机的风机齿轮箱故障诊断.pdf

《小波分解和最小二乘支持向量机的风机齿轮箱故障诊断.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2011年第30卷第l期传感器与微系统(TransducerandMicrosystemTechnologies)41小波分解和最小二乘支持向量机的风机齿轮箱故障诊断张金敏，翟玉千。，王思明(1．兰州交通大学机电工程学院，甘肃兰州730070：2．兰州交通大学自动化与电气工程学院，甘肃兰州730070)摘要：根据齿轮箱故障时振动信号特点，提出了一种基于小波分解和最小二乘支持向量机(LS．SVM)相结合的齿轮箱故障诊断方法。通过对齿轮箱振动信号进行小波分解，得到各分解节点对应频率段的重构信号和节点的能量，并将各节点能量组成的

2、特征向量作为诊断模型的特征向量，输入到LS—SVM多类分类器中进行故障识别。诊断结果表明：该方法能够准确地识别风力发电机组齿轮箱的常见故障。关键词：风力发电机组齿轮箱；故障诊断；最小二乘支持向量机；小波分解中图分类号：TP306文献标识码：A文章编号：1000-9787(2011)01-0041-03FaultdiagnosisofwindturbinegearboxbasedonthewaveletdecompositionandleastsquaresupportvectormachineZHANGJin．min，ZH

3、AIYu．qian。，WANGSi—ruing(1．SchoolofMechatronicEngineering，LanzhouJiaotongUniversity，Lanzhou730070，China；2．SchoolofAutomation&ElectricalEngineering，LanzhouJiaotongUnivesity，Lanzhou730070，China)Abstract：Amethodoffaultdiagnosisofgearboxbasedonthewaveletdecompositionan

4、dleastsquaresupportvectormachine(LS—SVM)isproposedaccordingtocharacteristicsofvibrationsignalforgearbox．Thereconstructedsignalatthecorresponding~equencyrangesandtheenergyofeachdecomposednodeareobtainedbywaveletdecompositionofgearboxvibrationsigna1．Theeigenvectorco

5、mposedbyenergyofeachnodeisregardedastheeigenvectorofdiagnosismodelsandisputintotheLS—SVMmulti—classifiertorecognizefailures．Theresultoftherecognitionindicatesthatthecommonfaultofwindturbinegearboxcanbeexactlyidentifiedbythismethod．Keywords：windturbinegearbox；fault

6、diagnosis；leastsquaresupportvectormachine(LS—SVM)；waveletde—composition0引言波包变换能够提供不同频段的时频信息，因此，可以提取各齿轮箱是风力发电机组的一个重要部件，其主要的作频段的能量作为特征向量。用是将风轮在风力作用下所产生的动力传递给发电机并使利用小波包分解进行信号特征提取的步骤如下：其得到相应的转速。近些年来，许多风电场的齿轮箱发1)首先对采样信号进行三层小波包分解，分别提取第生了不同程度的故障，给风电企业和社会生产造成了严重3层从低频到高频8个

7、成分的信号特征。的经济损失，因此，研究风力发电机组故障和诊断具有非常2)小波包分解系数重构，提取各频率范围的信号。只重要的现实意义。对第3层的所有节点进行分析，则总信号S可以表示为本文针对风力发电机组齿轮箱故障诊断提出了基于小S=Js3+S3+⋯+S3(1)．0．1．7．波分解和最小二乘支持向量机(1eastsquaresuppo~vec—假设原始信号S中，最低频率成分为0，最高频率成分tormachine，LS—SVM)的诊断方法。将振动信号进行为1，则提取的8个频率成分所代表的频率范围见表1。三层小波包分解，以第3层各

8、节点的小波包系数为特征向3)提取频带信号能量，设53(=O，1，⋯，7)对应的能量，输入到LS—SVM多类分类器中进行故障诊断。量为B，(=O，l，⋯，7)，则有1小波分解与特征提取E=fl5()I。dt=∑I．(2)齿轮箱故障诊断是一个模式识别的过程，其诊断精度=】和可靠性很大程度上取决于故障特征向量