基于WPA和LS-SVM的风力发电机故障诊断方法研究

doi:10.16578/j.issn.1004.2539.2013.10.041

您当前的位置：

首页 >

文章列表页 >

基于WPA和LS-SVM的风力发电机故障诊断方法研究

更新时间：2025-04-03

- 基于WPA和LS-SVM的风力发电机故障诊断方法研究
- Vol. 37, Issue 10, Pages: 129-133(2013)
- 作者机构：
  
  新能源电力系统国家重点实验室(华北电力大学)2. 华北电力大学自动化系
- 作者简介：
- 基金信息：
- DOI：10.16578/j.issn.1004.2539.2013.10.041
  CLC： TM315
- Published：2013
- 稿件说明：
移动端阅览
[1]刘长良,齐卫雪,武英杰.基于WPA和LS-SVM的风力发电机故障诊断方法研究[J].机械传动,2013,37(10):129-133.

[J]. 2013, 37(10): 129-133.
[1]刘长良,齐卫雪,武英杰.基于WPA和LS-SVM的风力发电机故障诊断方法研究[J].机械传动,2013,37(10):129-133. DOI： 10.16578/j.issn.1004.2539.2013.10.041.

[J]. 2013, 37(10): 129-133. DOI： 10.16578/j.issn.1004.2539.2013.10.041.

摘要

针对风电机组低速齿轮箱故障的故障特点

提出了一种应用小波包分析（WPA）和最小二乘支持向量机（LS-SVM）相结合的故障诊断方法。将低速齿轮箱不同故障状态下的振动信号经小波包分解后获得各频带能量

经过归一化处理后作为特征向量构成训练样本和测试样本。通过训练样本训练LS-SVM故障诊断模型

用测试样本检验LS-SVM故障诊断模型的正确率。实验结果表明

WPA和LS-SVM相结合的故障诊断方法具有良好的诊断效果。

Abstract

关键词

Keywords

references

Views

164

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于小波包和支持向量机的齿轮故障诊断

小波包和BP神经网络在齿轮箱故障诊断中的应用

基于小波包能量谱齿轮振动信号的分析与故障诊断

基于小波包和Teager能量算子的齿轮故障诊断研究

LCD—GA—LSSVM集成分类器及其在齿轮故障诊断中的应用研究

Related Author

刘亚娟

关丛荣

张晓芹

骆江锋

龙江启

范进桢

王江萍

孙文莉

Related Institution

宁波职业技术学院2. 华南理工大学

西安石油大学机械工程学院

南京农业大学工学院

洛阳理工学院

军械工程学院火炮工程系

⁰