基于小波包分解和 GA-SVM 的风机主轴轴承健康状态判别

摘要

风力发电机主轴轴承作为风力发电机的核心部件之一，其运行状态直接关系到机组的整体性能与可靠性。风电机组长期处于复杂多变的工作环境中，主轴轴承作为故障高发部位，且其维修和更换成本极高，因此对风机主轴轴承的健康状态进行准确判别尤其重要。本文系统梳理了风机主轴轴承健康状态判别的研究现状，构建基于小波包分解法和遗传算法-支持向量机的健康状态判别模型。首先基于小波包分解法提取故障特征，其次采用支持向量机对故障特征进行分类与提取，最后引入遗传算法对支持向量机参数进行优化。实验数据来源于公开的风机故障诊断数据集，模型测试准确率为93.73%，表明该模型具有较高的准确性和可靠性，为风电机组的故障预测与维护提供了有力的技术支持。