基于LSTM-SVM的风电机组齿轮箱故障诊断

摘要：

针对风电机组齿轮箱的故障诊断中特征提取过分依赖人为经验和准确率不高的问题,提出一种基于长短时记忆网络(LSTM)与支持向量机(SVM)相结合的方法.对原始时域振动信号作傅里叶变换,利用LSTM神经网络自适应智能提取特征的优势,结合SVM的分类功能,实现对风电机组齿轮箱更加准确的故障诊断.仿真结果显示,该网络模型在经过16 轮训练后准确率可以达到 100%,使用测试集数据准确率也可以达到 99.1%.

关键词：齿轮箱、长短时记忆网络、支持向量机、故障诊断

所属期刊栏目：51

分类号：TH132.4

资助基金：国家自然科学基金61803154

在线出版日期：2023-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：211-214