基于改进经验小波变换与分形特征集的风力机齿轮箱故障诊断

针对风力机齿轮箱振动响应信号具有强非线性及非平稳性的特点，考虑平均幅值对平均谱负熵时频域成分权重自适应调节，提出连续改进平均谱负熵方法（ICASN）以体现信号细节复杂度特征，并将ICASN引入经验小波变换（EWT），替代傅里叶谱作为频带划分依据。采用ICASN-EWT分解振动信号，基于改进平均谱负熵筛选特征分量，剔除信号冗余与噪声影响。分析各敏感分量分形特征并构建高维特征集，采用流形学习进行维数约简，并结合分形高斯噪声改进灰狼算法优化支持向量机关键参数，将降维后的向量集输入优化支持向量机进行故障识别与诊断，准确率高达100%。