基于SAPSO-ELM的风电机组齿轮箱故障诊断

由于极限学习机(Extreme Learning Machine,ELM)的参数是随机生成的,导致其存在网络结构稳定性差、分类精度不高等问题。针对这些问题提出了一种利用模拟退火粒子群算法(Simulated Annealing Particle Swarm Optimization,SAPSO)来优化ELM参数的算法。该算法对ELM参数进行SAPSO寻优处理,从而达到增强网络稳定性、提高ELM性能的目的。为验证该算法的有效性,将该方法应用到样本分类上,对风电机组齿轮箱故障进行诊断,实验结果表明,与ELM、粒子群-极限学习机(PSO-ELM)等算法相比,模拟退火粒子群-极限学习机(SAPSO-ELM)算法具有较好的稳定性和可靠性,提高了风电机组齿轮箱故障诊断正确率。