论文部分内容阅读
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。