基于WOA-LSSVM算法的风机齿轮箱故障诊断

摘要

针对风机齿轮箱振动信号非线性、非平稳性的特点,提出了一种基于改进的集合经验模态分解(MEEMD)、样本熵、鲸鱼优化算法优化的最小二乘支持向量机(WOA-LSSVM)算法的风机齿轮箱故障诊断方法.采用MEEMD对采集的齿轮箱振动信号进行分解,选择合适的本征模态函数(IMF)分量,并计算IMF分量的样本熵构造特征向量;使用WOA-LSSVM对其进行故障识别.实验数据对比表明,基于MEEMD样本熵和WOA-LSSVM算法的风机齿轮箱故障诊断方法可以更有效地实现风电机组齿轮箱的故障诊断.