基于时移多尺度注意斜率熵和SCA-SCN的风机齿轮箱故障诊断
王荐生
石凯东
张婷婷
王斌
吴凤娇
西北农林科技大学 水利与建筑工程学院,咸阳 712100
摘要：[目的]行星齿轮箱是风电机组传动链上的重要设备.为提高对齿轮箱不同工作状态下振动信号的识别精度,提出基于时移多尺度注意斜率熵(Time-Shift Multi-scale Attention Slope Entropy,TSMASE)和改进随机配置网络(Stochastic Configuration Network,SCN)的故障诊断方法.[方法]首先,针对斜率熵需要依据先验知识调整参数、难以实现最优设定的问题,提出注意斜率熵方法;然后,针对传统多尺度熵粗粒化不足的问题,比较了多种改进的多尺度方法,提出时移多尺度注意斜率熵,通过仿真平台上的数据,证明了所提振动信号特征提取方法的有效性、抗噪性和在短时序长度上的鲁棒性;最后,将TSMASE提取的特征输入利用正余弦算法(Sine Cosine Algorithm,SCA)改进的随机配置网络模型中,完成TSMASE-SCA-SCN模型的构建.[结果]结果表明,所提模型具有良好的分类效果,在齿轮箱数据集上的诊断准确率达99.80%.
关键词：注意斜率熵正余弦算法随机配置网络风力发电机组故障诊断
分类号：TM315(电机)TP277(自动化技术及设备)
资助基金：国家自然科学基金(52339006)国家电网浙江省电力有限公司双创项目(23-JS-003)
论文发表日期：2026-05-31
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：13( 63-75 )
英文信息