基于極限學(xué)習(xí)機(jī)的風(fēng)電機(jī)組主軸承故障診斷方法研究.pdf

1、風(fēng)能是一種無污染、可再生的新能源，因此近年來風(fēng)力發(fā)電得到了越來越多的研究。然而，大多數(shù)風(fēng)電機(jī)組工作環(huán)境較惡劣，主軸承是風(fēng)電機(jī)組中至關(guān)重要的傳動部件，起支撐和導(dǎo)向作用。如果主軸承發(fā)生故障，機(jī)組將停止運(yùn)行，給風(fēng)電場帶來極大的經(jīng)濟(jì)損失。因此，快速有效地診斷風(fēng)電機(jī)組主軸承的故障是提高風(fēng)電機(jī)組利用率，進(jìn)而提高風(fēng)電場經(jīng)濟(jì)效益的有效措施。
　　論文主要研究內(nèi)容如下：
　　給出了小波包能量特征提取方法以提取風(fēng)電機(jī)組主軸承振動信號的特征向量。

2、通過比較不同小波基函數(shù)與閾值函數(shù)組合的降噪效果，選出最佳降噪組合，并通過分析說明軟閾值處理方式的降噪效果更優(yōu)。采用小波包能量特征提取方法提取風(fēng)電機(jī)組主軸承振動信號的能量向量，并分析不同故障類型特征向量的相似之處，為后文的故障識別奠定了基礎(chǔ)。
　　給出了基于極限學(xué)習(xí)機(jī)的風(fēng)電機(jī)組主軸承故障診斷方法。通過比較不同激活函數(shù)對極限學(xué)習(xí)機(jī)診斷效果的影響，選擇出最優(yōu)激活函數(shù)。分析了極限學(xué)習(xí)機(jī)參數(shù)對極限學(xué)習(xí)機(jī)診斷效果的影響，并給出了診斷的具體實(shí)現(xiàn)

3、過程。實(shí)驗(yàn)證明，與最小二乘支持向量機(jī)算法相比，基于極限學(xué)習(xí)機(jī)算法的風(fēng)電機(jī)組主軸承故障診斷方法具有更好的診斷效果。
　　給出了基于核極限學(xué)習(xí)機(jī)的風(fēng)電機(jī)組主軸承故障診斷方法。采用遺傳算法優(yōu)化核極限學(xué)習(xí)機(jī)參數(shù)，以進(jìn)一步提高診斷準(zhǔn)確率。給出了診斷的具體實(shí)施過程。通過比較基于核極限學(xué)習(xí)機(jī)與極限學(xué)習(xí)機(jī)的故障診斷混淆矩陣，發(fā)現(xiàn)核極限學(xué)習(xí)機(jī)的診斷效果更好。
　　給出了基于混合核極限學(xué)習(xí)機(jī)的風(fēng)電機(jī)組主軸承故障診斷方法。利用全局核函數(shù)和局部核函