[发明专利]一种基于鲸鱼优化算法优化加权最小二乘支持向量机的风机故障预测方法

权利要求书

1.一种基于鲸鱼优化算法优化加权最小二乘支持向量机的风机故障预测方法，其特征在于：包括以下步骤：(1)利用变分模态分解技术对振动信号进行分解，对子序列进行特征提取，得到特征数据；(2)构建特征数据的时间序列，从中选取前m个连续的特征数据，按照设定的映射维数n，建立行数为m-n+1，列数为n的输入样本；(3)输入样本，利用训练好的鲸鱼算法-加权最小二乘支持向量机对风机进行故障预测；(4)将测试样本输入模糊神经网络对电动机故障进行诊断。

2.根据权利要求(1)所述的一种基于鲸鱼优化算法优化加权最小二乘支持向量机的风机故障预测方法，其特征在于：对振动信号数据有效的分解为若干个不相干的VMS子序列分量，获得K个互异的VM_S成分u₁(t),…,u_k(t)。通过公式获取它的能量特征，就获得了不同频段特点的能量分量。集合统一处理，令经集合统一处理后，得到每个VMS的能量表示为这样就获得了振动信号的特征向量S＝[S₁，...，S₂，...，S_k]，可以作为鲸鱼算法-加权最小二乘支持向量机的输入信号进行故障分类。

3.根据权利要求(2)所述的一种基于鲸鱼优化算法优化加权最小二乘支持向量机的风机故障预测方法，其特征在于：按照输入的时间序列，从所述的特征数据中取前m个特征数构成时间序列{y₁，y₂，y₃，...，y_m}，按照映射维数n，依次建立行向量{y₁，y₂，y₃，...，y_n}，…，{y₁，y₂，y₃，...，y_n}，建立输入样本矩阵

Y_(m-n+1，n)：

Y中的元素表示特征数据。进一步地，根据输入样本Y，通过电动机未来的振动数据判断发电机未来是否会发生故障。

4.根据权利要求(3)所述的一种基于鲸鱼优化算法优化加权最小二乘支持向量机的风机故障预测方法，其特征在于：振动信号训练最小二乘支持向量机模型，使用鲸鱼算法优化的关键参数，使得具有最优优化能力的最小二乘支持向量机模型对故障设备进行预测。最小二乘支持向量机的关键参数包括核函数参数σ和惩罚因子γ。