基于多类模糊支持向量机的风电机组故障诊断方法研究

针对风电机组的故障诊断,提出了一种基于多类模糊支持向量机的故障诊断方法。首先,采用经验模态分解从振动信号中提取故障特征向量。用于含噪声信号的分类问题,其中采用核模糊C-均值聚类算法和粒子群优化算法分别计算模糊隶属度并优化核函数参数。然后,为了研究所提出方法的性能,对反向传播神经网络和标准支持向量机进行了研究和对比并使用离散小波变换提取故障特征向量。最后,为了验证所提出方法的有效性,以直驱式风电机组的进行仿真测试,实验结果表明,该方法能够有效实现风电机组的故障诊断,具有较好的性能和较高的诊断准确率。