龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：上海电子信息职业技术学院
摘要：本发明公开了一种基于CEEMDAN‑GWO‑KELM的风电机组轴承故障诊断方法，包括以下几个步骤：首先，对采集到的振动信号进行去噪处理，在这里采用的是小波阈值去噪方法，以减小噪声对振动信号的干扰；接下来用CEEMDAN分解已经进行去噪操作后的信号，得到多组本征模态函数IMF，结合相关系数进行特征向量的选择，消除虚假特征分量；最后，计算选择的IMF分量所对应的模糊熵，并将其作为特征向量输入到GWO‑KELM模型中进行故障识别。用本发明所提方法对CWRU数据集进行诊断，结果表明该方法对轴承各种状态的识别率可达99.42％。将该方法与其他组合方法进行比较，证明本发明所提方法在风力发电机轴承故障诊断中具有优越性和有效性。
主权项：1.一种基于CEEMDAN-GWO-KELM的风电机组轴承故障诊断方法，其特征在于，包括以下步骤：步骤1：在一定的采样频率下采集轴承的不同状态的加速度信号数据。步骤2：先对采集到的信号用小波阈值去噪的方法进行降噪处理，再用CEEMDAN方法来对降噪后的信号进行分解并得到若干IMF分量。步骤3：计算各IMF分量的模糊熵，通过相关系数来选择前四阶IMF分量的模糊熵，构造特征向量。步骤4：对提取的故障特征数据集做归一化处理，将处理后的特征向量按3：2的比例制成模型的训练集和测试集，并添加类别标签。步骤5：使用GWO算法优化更新KELM分类器的核函数参数和惩罚参数，得到优化后的KELM分类器。步骤6：将最终的特征数据集作为GWO-KELM故障分类器的输入来实现故障诊断。
全文数据：
权利要求：
百度查询： 上海电子信息职业技术学院 基于CEEMDAN-GWO-KELM的风电机组轴承故障诊断方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号