基于优化模态分解和Xgblr的风机叶片故障诊断方法

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。