基于CEEMD能量熵特征提取和VNWOA-LSSVM的风力机轴承故障诊断方法研究

作者：万晓静，孙文磊*，陈坤 日期：2020-12-23/span> 浏览：1341 查看PDF文档

基于CEEMD能量熵特征提取和VNWOA-LSSVM的风力机轴承故障诊断方法研究*

万晓静，孙文磊*，陈坤
（新疆大学 机械工程学院，新疆 乌鲁木齐 830047）

摘要:针对极端复杂工况下风力发电机组轴承故障诊断问题，对风力机运行状态监测中常用的故障诊断方法进行了研究，提出了一种基于互补总体经验模式分解能量熵的故障特征提取和改进的鲸鱼算法来优化最小二乘支持向量机的风力机轴承故障诊断方法；通过互补总体经验模式分解，降低了噪声对微弱故障信号的干扰，提取了各分量的能量熵构建故障特征集合，作为诊断模型的输入；利用冯诺依曼拓扑结构的特性，克服了鲸鱼算法中收敛慢、寻优精度低的问题，构建了改进的鲸鱼算法优化最小二乘支持向量机的诊断模型分类器，实现了对不同故障类型特征参数的准确分类；最后利用试验数据集进行了测试。研究结果表明：所提出的方法计算速度快、泛化能力强、分类正确率高，其诊断结果优于基于鲸鱼算法优化的最小二乘支持向量机，远优于传统的最小二乘支持向量机算法。
关键词:风力机轴承；互补总体经验模式分解；能量熵；冯诺依曼拓扑结构优化鲸鱼算法；最小二乘支持向量机
中图分类号:TH133.3；TP301.6           文献标识码:A       文章编号:1001-4551(2020)10-1186-06

本文引用格式:
万晓静，孙文磊，陈坤.基于CEEMD能量熵特征提取和VNWOALSSVM的风力机轴承故障诊断方法研究［J］.机电工程,2020,37(10):1186-1191.
WAN Xiao-jing, SUN Wen-lei, CHEN Kun. Fault diagnosis for wind turbine bearing based on CEEMD energy entropy and VNWOALSSVM［J］.Journal of Mechanical & Electrical Engineering, 2020,37(10):1186-1191.《机电工程》杂志:http://www.meem.com.cn