典型文献
基于优化模态分解和Xgblr的风机叶片故障诊断方法
文献摘要：
针对风电机组叶片振动信号复杂且难以提取有效故障信息的问题,提出了将一种小波变换(Discrete Wavelet Transform,DWT)、经验模态分解(Empirical Mode Decomposition,EMD)与Xgblr相结合的故障诊断方法.首先,通过DWT,EMD将信号降噪分解为若干分量,并利用邻近频率干扰消除的方法优化结果;其次,提取各分量的频域特征,构造时域频域原始特征集;然后,将提取的特征集合输入Xgblr模型进行特征转换,生成新的融合特征集合,将Focal损失函数应用于Xgblr进行不平衡数据集的故障诊断;最后,利用国内西部某风电场实际运行数据进行验证.
文献关键词：
风电机组;叶片故障;故障诊断;EMD;Xgblr;Focal损失函数
中图分类号：
作者姓名：
黄子恒;许钊源;伍剑波;方辉;李晋航;宁琨
作者机构：
四川大学机械工程学院,四川成都 610065;东方电气集团中央研究院,四川成都 611731;东方电气风电股份有限公司,四川 德阳 618000
文献出处：
引用格式：
[1]黄子恒;许钊源;伍剑波;方辉;李晋航;宁琨-.基于优化模态分解和Xgblr的风机叶片故障诊断方法)[J].机械设计,2022(07):56-62
A类：
Xgblr,信号降噪分解
B类：
风机叶片,叶片故障,故障诊断方法,风电机组,叶片振动,振动信号,故障信息,小波变换,Discrete,Wavelet,Transform,DWT,经验模态分解,Empirical,Mode,Decomposition,EMD,若干分,干扰消除,方法优化,频域特征,时域频域,特征集合,特征转换,融合特征,Focal,损失函数,函数应用,不平衡数据集,风电场,实际运行,运行数据
AB值：
0.378739
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
