[发明专利]一种用于风电机组齿轮箱故障预测诊断的方法

摘要

本发明公开了本发明公开了一种基于布谷鸟算法优化SVM的风电机组主轴轴承故障预测诊断，通过对历史时刻采样数据进行主成分特征提取建立SVM模型，并利用布谷鸟算法优化支持向量机的性能参数。通过对包含故障信息的采样数据进行实时预测后，由专家系统作出有效的故障诊断，并将诊断结果呈现在人机交互界面上。本发明利用主成分分析(PCA)对数据进行了降维，不仅提高了分类的准确性，而且大大缩短了分类器的训练时间。同时布谷鸟算法相对于其他传统寻优的方法具有快速收敛到全局最优值的优点，在预测精度方面有着明显的优势，为专家系统准确地得出诊断结果提供了保障。

主权项

一种基于PCA和布谷鸟算法优化SVM的风电机组主轴轴承故障预测诊断方法，其特征在于，包括如下步骤：1)获取运行中风电机组的风速、主轴轴承温度、变桨角度、风向角与机舱角偏差的历史采样时刻数据。2)对历史采样时刻数据进行归一化处理。3)利用PCA算法对历史采样时刻数据进行特征提取，并将其作为模型的训练样本集和测试样本集；4)利用支持向量机对训练样本进行建模；5)选用布谷鸟搜索算法优化支持向量机的参数，得到最优的预测模型，并反复循环迭代训练模型；6)将预测的的结果送入到专家系统中进行分析解释得出诊断结果呈现在人机交互界面上。