基于邻域粗糙集与支持向量机的大型风机齿轮箱故障诊断.pdfVIP

2014年 8月 机床与液压 Aug．2014 第 42卷 第 l5期 MACHINE T00L HYDRAULICS Vo1．42NO．15 DOI：10．3969／j．issn．1001—3881．2014．15．045 基于邻域粗糙集与支持向量机的大型风机齿轮箱故障诊断 陈立军，侯爽，叶种 ，张艳平 (东北电力大学 自动化工程学院，吉林吉林 132012) 摘要 ：大型风机的齿轮箱故障诊断是保证风机正常、稳定运行，避免突发性事故的有效手段。针对大型风机齿轮箱振 动进行实时监测 ，对其振动情况进行分析、诊断。对采集的信号采用时域方法进行研究，获取时域指标属性 ，运_旰J邻域粗 糙集约简知识对各个信息属性进行约简，再结合支持向量机进行样本训练，并对待测数据进行故障诊断。 关键词：齿轮箱；故障诊断；振动监测；邻域粗糙集 ；支持向量机 (SVM) 中图分类号：TP182 文献标识码：A 文章编号：1001—3881(2014)l5—180—5 Large-scaleW indTurbineGearboxFaultDiagnosisBasedonNeighborhoodRough SetandSupportVectorM achine CHENLijun，HOUShuang，YEChong，ZHANGYanping (SchoolofAutomationEngineering，NortheastDianliUniversity，JilinJilin132012，China) Abstract：Thegearboxfaultdiagnosisistheeffectivemeasuretoavoidthesuddenaccidentandensurethenormal，stable(1I)era— tionoflarge—scalewindturbine．Aimedatthereal—tinm vibrationmonitoringoflargescalewindturbinegearbox。itsvibration 【ondilion wasanalyzedandfaultdiagnosed．Thecollectedsignalswereresearchedbythetime一(tomainmethod，andthesignaltime—domainattrib— utewasachieved．Each in．ofrmationattributewasreducedbyusingknowledgeofneighborhoodroughset，andthencomt)inedwith sup— portvectormachine(SVM)forsampletraining．Moreoverfauhdiagnosisofthetestdataisrealized． Keywords：Gearbox；Faultdiagnosis；Vibrationmonitoring；NeighborhoodRoughSet；SupportVectorMachine (SVM) 随着煤 、石油等传统能源开采使用带来的环境、 的敏感度方面更具优越性 ，对早期故障有很好的诊断 气候等 问题，开发利用新能源、节能减排、发展智能 能力，信 号依赖幅值概率密度函数能非常直观地反应 电网已成为我国能源发展的重要战略。过去的10年， 机械设备的故障特征 ；而且不依赖设备运行转速与 中国风 电装机增长了47倍，截至 2011年 ，全 国累计 轴承的技术参数，能够反映故障的总体趋势，住旋转 装机容量达到6236．42万 kW，居世界第一位，预计 机械的故障诊断中有很大优势。 2020年，至少将达到 1．5亿 kW 。工作环境恶劣 在时域研究中，常多采用时域参数指标作为判定 致使风力发电机组 比其他旋转机械更易出现故障，近 故障的依据 。辜幼川 ，戴华勇 。， 卜萍 采用 3个 些年风电事故频