张盟+刘斐+张暄+许增晖+严晓杰

摘要 随着风电机的不断发展，风电机组故障发生率也越来越高，随之带来的便是巨大的经济损失。齿轮箱作为整个系统的核心，一旦发生故障，直接影响到整个系统的性能和效率。为减少因齿轮箱故障而带来的经济损失，本文研究了一种基于支持向量机的故障诊断技术，分析了齿轮箱故障的振动特征，训练了样本数据并构造出合适的分类模型。对实际采集的振动信号进行分析的基础上，提取时域和频域的特征参数作为支持向量机的输入参数，通过支持向量机进行训练诊断，得出系统的故障分析结果。

关键词 齿轮箱；支持向量机；时域；频域

中图分类号TH16 文献标识码A 文章编号2095—6363（2017）03—0035—02

近年来，随着风能的不断推广，风电机组的使用趋于大型化，风电机组的故障发生率是影响风电机组运行性能的主要因素。然而，我国风电起步于20世纪90年代，发展的时间较短，风电机组的故障发生的规律仍缺少经验和积累。因此，风电机组的故障监测与诊断显得尤为重要。

1项目简介

风电机组由齿轮箱、发电机、控制系统等部分组成，如图1所示，齿轮箱是整个系统的核心部件。为研究齿轮箱的故障诊断方法，构建了如图2的风电机组齿轮箱故障诊断实验测试电路，本实验模拟了齿轮箱4种工作状态，具体描述如表1所示。

2特征提取

振动信号的故障特征采用时频联合的方式提取，时域特征包括：均值、均方值、倾斜度等；频域特征包括：频谱、集中分散程度、频率中心等。……