基于SVM風(fēng)電機(jī)組齒輪箱故障診斷系統(tǒng)研究.pdf

1、隨著科學(xué)技術(shù)的迅速發(fā)展，現(xiàn)代工業(yè)設(shè)備正朝著精密化、復(fù)雜化以及高度集成化方向發(fā)展，設(shè)備安全穩(wěn)定運(yùn)行成為企業(yè)正常生產(chǎn)的關(guān)鍵。風(fēng)電機(jī)組齒輪箱為風(fēng)電機(jī)組運(yùn)行過(guò)程中的關(guān)鍵部件，安裝在風(fēng)機(jī)頂部較為狹小位置，一旦發(fā)生故障，維修非常困難，其健康狀況直接關(guān)系到風(fēng)電企業(yè)生產(chǎn)的安全性和經(jīng)濟(jì)效益。針對(duì)風(fēng)電機(jī)組齒輪箱振動(dòng)信號(hào)分析中存在小樣本問(wèn)題，且風(fēng)電機(jī)組齒輪箱振動(dòng)信號(hào)存在非線性與非平穩(wěn)特性，本文結(jié)合支持向量機(jī)算法，對(duì)基于支持向量機(jī)的風(fēng)電機(jī)組齒輪箱故障模式識(shí)別、

2、診斷模型參數(shù)選擇等多方面問(wèn)題進(jìn)行了研究與分析。
　　本文首先介紹了支持向量機(jī)的基本理論與方法，分析了最小二乘支持向量機(jī)針對(duì)分類問(wèn)題的基本原理和算法。然后結(jié)合支持向量機(jī)在模式識(shí)別問(wèn)題中的特性，將小波分析技術(shù)與最小二乘支持向量機(jī)結(jié)合，進(jìn)行風(fēng)電機(jī)組齒輪箱振動(dòng)故障的模式識(shí)別。
　　支持向量機(jī)分類模型參數(shù)的選擇對(duì)分類效果起著至關(guān)重要的作用。本文利用遺傳算法的全局搜索能力，提出基于遺傳算法的最小二乘支持向量機(jī)振動(dòng)故障分類模型的參數(shù)選擇方