刘骊，贾嵘，李涛涛，尹浩霖，马喜平，郭泽维

（1.西安理工大学，陕西西安 710048；2.中国水电顾问集团投资有限公司，北京 100101；3.国网甘肃省电力公司电力科学研究院，甘肃兰州 730050）

基于多尺度排列熵和支持向量机的风力发电机组齿轮箱振动故障诊断

刘骊1，贾嵘1，李涛涛1，尹浩霖2，马喜平3，郭泽维1

（1.西安理工大学，陕西西安 710048；2.中国水电顾问集团投资有限公司，北京 100101；3.国网甘肃省电力公司电力科学研究院，甘肃兰州 730050）

针对传统方法难以精确检测风力发电机组齿轮箱非线性、非平稳振动信号以及现有许多故障诊断方法无法有效诊断齿轮箱早期故障的问题，首先引入排列熵算法对齿轮箱振动信号进行早期故障分析，进而引入多尺度排列熵算法实现原始振动信号的特征提取，得到故障诊断的样本数据，最后将其输入到建立的基于遗传算法优化支持向量机的诊断模型中，完成故障模式的识别与分类。仿真结果表明，该方法能够有效识别齿轮箱的异常工况，具有较高的故障诊断精度。

齿轮箱；多尺度排列熵；遗传算法；支持向量机；故障诊断

近年来，能源短缺与环境问题日益突出，世界各国对于新能源的发展日益重视。风力发电作为一种清洁可再生能源，在世界各国得到了快速发展[1-2]。但是，风力发电机组长期工作于室外恶劣的环境中，极易发生各种故障。齿轮箱作为风力发电机组的重要组成部分，由于其内部结构和受力状况复杂，在机组运行故障中所占比例较大，而齿轮箱一般又安装在几十米的高空，一旦发生故障，维修非常不便，严重影响了风力发电机组的安全稳定运行[3]。……