基于人工蜂群算法和LSSVM的风机齿轮箱故障诊断-计算机科学与技术;计算机应用技术专业论文.docxVIP

华北电力大学硕士学位论文 华北电力大学硕士学位论文 I I 摘 要 随着经济的发展和人口的增加，能源危机正影响着人们的生活，风能是绿色能 源，蕴藏量丰富，因此被广泛的使用，其中最有利的形式就是风力发电。风力发电 成本低，无污染，具有很好的发展前景。随着风电机组的广泛使用以及设备结构的 逐步复杂，故障问题也逐渐引起了人们的关注。在风电机组中，齿轮箱是故障发生 率最高的部件，因此本文研究了风机齿轮箱的故障诊断方法。 风机齿轮箱发生故障的样本数据较少，一般的故障诊断方法难以保证诊断的性 能。支持向量机(Support Vector Machine，SVM)是一种小样本的人工智能方法，适 合对风机齿轮箱进行故障诊断。最小二乘支持向量机 (Least Square Support Vector Machine，LSSVM)是对 SVM 方法的改进，无论是运行时间还是正确率，LSSVM 算 法都有了提高，因此本文选择 LSSVM 作为故障诊断的理论基础。 LSSVM 的参数对其性能有着非常重要的作用，为了避免参数选择的盲目性， 需要对其参数进行优化。本文对人工蜂群算法(Artificial Bee Colony Algorithm，ABC) 进行了改进，引入了反向学习的方法和锦标赛的选择策略，研究了基于锦标赛选择 策略的双种群人工蜂群算法（Bi-Group Artificial Bee Colony Algorithm Based on Tournament Selection，BTABC）。然后利用 BTABC 算法对 LSSVM 进行参数优化， 以 BTABC-LSSVM 方法对风机齿轮箱进行故障诊断。 最后，本文给出了基于 BTABC-LSSVM 的风机齿轮箱故障诊断模型，利用 BTABC-LSSVM 进行故障诊断。经过实验分析对比，本文所用方法比交叉验证参数 的 LSSVM 和小波神经网络方法具有更高的故障识别率，在风机齿轮箱故障诊断领 域具有良好的实用性。 关键词：风机齿轮箱；故障诊断；最小二乘支持向量机；人工蜂群算法；BTABC II II Abstract Energy crisis has affected people’s lives with the development of economic and the growth of population, and wind energy is widely used all over the world because it is the most abundant green energy, whose most favorable form is wind power. Wind power has good prospect for development as it is low cost and pollution-free. With the widely application of wind turbines, fault diagnosis problem has gradually attracted people’s attention. In the wind turbine, the gearbox is the part with the highest failure rate, so this paper studies the method of wind turbine gearbox fault diagnosis. The general fault diagnosis method is difficult to guarantee the performance of diagnosis because the fault sample of wind turbine gearbox is fewer. SVM is a type of artificial intelligence methods for small sample, and is suitable for wind turbine gearbox fault diagnosis. LSSVM is the improvement of SVM, which has been improved both in the running time and the rate of correct, so this paper selects LSSVM as the theoretical basis of fault diagnosis. The parameter of LSSVM has an important effect on LSSVM’s perf