卢锦玲，绳菲菲，赵洪山

(华北电力大学 电气与电子工程学院，河北 保定 071003)

基于相关向量机的风机齿轮箱故障诊断方法

卢锦玲，绳菲菲，赵洪山

(华北电力大学 电气与电子工程学院，河北 保定 071003)

提高风机齿轮箱的故障诊断准确率可以有效减少风机的停机时间、提高风电场的经济效益，因此，结合相关向量机(Relevance Vector Machine，RVM)和遗传算法(Genetic Algorithm，GA)的优点，提出了一种风机齿轮箱的故障诊断方法。利用RVM建立风机齿轮箱的故障诊断模型，并利用GA获得其最优参数，弥补设置参数不良造成准确率过低的不足；采用小波包分解方法提取表征齿轮箱故障的能量向量，作为样本的特征向量；采用“一对多”的多分类方法建立多个两类分类器，实现齿轮箱的多类故障分类。通过实验数据证明了该方法的有效性，并且与反向传播神经网络(Back Propagation Neural Network, BPNN)和支持向量机(Support Vector Machine, SVM)两种方法相比，该方法的诊断效果更好。

故障诊断；风机；齿轮箱；相关向量机；遗传算法

0 引 言

随着社会的不断发展，人们对能源的需求持续攀升，而风能是一种无污染、可再生的清洁能源，因此风力发电近年来在世界各地发展迅速[1，2]。但是，风电机组大多安装在非常恶劣的自然环境下，很容易受到变速变方向的风力冲击以及温差的侵蚀，因此风机比较容易发生故障。齿轮箱是整个风机中故障发生率与维修费用最高的一个部件[3]，一旦发生故障，机组将停止运行，给风电场带来极大的经济损失。因此，快速有效地诊断齿轮箱的故障，是减少风机的停机时间，提高风电场经济效益的有效措施。……