基于RF特征优选和WOA-ELM的风电齿轮箱故障诊断

来源：电子测量技术杂志2023年第5期北京时间：

作者：何坤敏，王霄，杨靖，覃涛，范圆成

单位：1.贵州大学电气工程学院 贵阳 550025; 2.中国电建集团贵州工程有限公司 贵阳 550025

摘要：针对风电机组齿轮箱故障特征提取不足，故障诊断率低问题，提出了一种基于RF特征优选，结合WOA-ELM特征识别的风电齿轮箱故障诊断方法。首先，提取风电齿轮箱时域、频域、时频域特征，构建多域高维特征集；其次，利用RF进行特征重要度排序并提取10维优选特征；最后，利用WOA优化调整ELM模型的输入权值和隐含层阈值，实现风电齿轮箱故障分类识别。将本文方法应用于风电齿轮箱故障诊断，实验结果表明，本文方法平均诊断率能达到99.81%，诊断准确率均高于对比方法且诊断用时最少，能够有效地进行风电齿轮箱故障诊断。

关键词：风电机组安全;齿轮箱;故障诊断;随机森林;极限学习机

基金资助：国家自然科学基金（61861007，61640014）、贵州省教育厅创新群体项目（黔教合KY字［2021］012）、贵州省科技计划项目（黔科合基础-ZK［2021］一般303）、物联网理论与应用案例库（KCALK201708）、自动化专业卓越工程师计划（ZYS 2015004）项目资助