基于分形维数和GA-SVM的风电机组齿轮箱轴承故障诊断
时培明,梁凯,赵娜,安淑君
燕山大学 电气工程学院, 河北 秦皇岛 066004
Fault Diagnosis of Wind Turbine Gearbox Bearing Based on Fractal Dimension and GA-SVM
SHI Pei-ming,LIANG Kai,ZHAO Na,AN Shu-jun
School of Electrical Engineering, Yanshan University, Qinhuangdao, Hebei 066004, China
摘要 对风机齿轮箱轴承故障诊断进行了研究,提出一种基于分形维数和遗传算法支持向量机(GA-SVM)相结合的故障诊断算法。基于常用的时域特征参数作为支持向量机的识别参数,引入分形维数特征参数来提升支持向量机的识别精度。提出了基于遗传算法(GA)的支持向量机参数优化的模型,通过GA的寻优自动获得最优的支持向量机参数。采用某风场的风电机组齿轮箱轴承数据进行故障诊断,实验表明,所提出的GA-SVM模型很好地解决了参数选择的问题,同时基于分形维数的特征参数也提高了风电机组轴承故障的识别准确率。
关键词 ：
计量学 ,
轴承故障诊断 ,
风电齿轮箱 ,
分形维数 ,
遗传算法支持向量机 ,
识别准确率
Abstract ：For wind turbine gearbox bearing fault diagnosis is studied, and a fault diagnosis method based on the fractal dimension and genetic algorithm support vector machine (GA-SVM) is put forward. Based on the commonly used time domain feature parameters as the support vector machine identification parameters, the fractal dimension feature parameters are introduced to enhance the recognition accuracy of support vector machines. The model of support vector machine parameters optimization based on genetic algorithm is proposed, and the optimal support vector machine parameters are obtained by the optimization of GA. Using the gear box bearing data from a wind farm in Zhangjiakou, Hebei province for fault diagnosis. Experimental results show that the proposed model GA-SVM provided a good solution to the parameter selection problem, as well as the characteristic parameters based on fractal dimension also improve the recognition accuracy of wind turbine bearing failure.
Key words ：
metrology
fault diagnosis of bearing
wind turbine gearbox
fractal dimension
genetic algorithm support vector machine
recognition accuracy
收稿日期: 2016-04-16
发布日期: 2017-12-29
基金资助: 国家自然科学基金(51475407)
通讯作者:
时培明
E-mail: spm@ysu.edu.cn
作者简介 : 时培明(1979-),男,黑龙江延寿人,燕山大学副教授,博士,主要研究方向为信号处理及故障诊断。spm@ysu.edu.cn
引用本文:
时培明,梁凯,赵娜,安淑君. 基于分形维数和GA-SVM的风电机组齿轮箱轴承故障诊断[J]. 计量学报, 2018, 39(1): 61-65.
链接本文:
http://jlxb.china-csm.org:81/Jwk_jlxb/CN/10.3969/j.issn.1000-1158.2018.01.14 或 http://jlxb.china-csm.org:81/Jwk_jlxb/CN/Y2018/V39/I1/61
［1］Saravanan N. Gear Box Fault Diagnosis using Hilbert Transform and Study on Classification of Features by Support Vector Machine ［J］. International Journal of Hybrid Information Technology, 2014, 7 (4): 69-82.
[1]
许峰, 李智玮, 冯建. 恒流放电法测量超级电容器静电容量的影响因素分析与不确定度评定
[2]
贾梦雯, 赵鹏, 王月兵. 高静水压下换能器阻抗特性的测量方法研究
[3]
费致根, 王开创, 周强, 巩晓赟. ICF靶丸表面形貌及球度误差检测
[4]
张永卓, 王晶, 傅博强, 黄翔, 董莲华, 牛春艳, 杨佳怡. 2019新型冠状病毒的核酸检测
[5]
庄双勇, 赵伟, 赵东芳, 黄松岭. 一种基于滑窗TLS-ESPRIT算法的超谐波动态分析方法
[6]
姜静子, 高思田, 黄鹭, 李琪, 连笑怡. 基于差动共焦显微技术的微区拉曼光学系统构建与实验研究
[7]
李凯, 郝小鹏, 宋健, 孙建平, 胡朝云, 刘洋, 扈又华, 杨延龙. 真空汞固定点黑体辐射源的设计与研制
[8]
马若梦, 林鸿, 张亮, 冯晓娟, 方立德, 张金涛. 基于多次反射直接吸收精确测量二氧化碳浓度的研究
[9]
李利峰, 李锐, 闫小克, 王宁, 何沛. 镓熔点温坪复现研究
[10]
张永胜, 张毅治, 刘彦军. 差压式流量计测量脉动流量方法研究
[11]
贾正森, 王磊, 徐熙彤, 周天地, 潘仙林, 石照民, 张江涛. 基于约瑟夫森量子电压的交流功率测量系统及方法研究
[12]
方立德, 郎月新, 赵宁, 李小亭, 韦子辉. 基于同轴线相位法的两相流含气率测量研究
[13]
谢胜龙, 张文欣, 鲁玉军, 张为民, 朱俊江, 林立, 任国营. 气动肌肉的最小二乘支持向量机迟滞模型
[14]
江文松, 王中宇, 罗哉, 张力, 胡晓峰. 基于蒙特卡罗法的冲击力溯源系统不确定度评定
[15]
孟宗, 岳建辉, 邢婷婷, 李晶, 殷娜. 基于最大幅值变分模态分解和均方根熵的滚动轴承故障诊断
2018, Vol. 39 
