一种基于特征提取和机器学习的风轮不平衡故障识别方法

本发明公开了一种基于特征提取和机器学习的风轮不平衡故障识别方法，涉及风力发电设备故障诊断技术领域，包括：获取待识别的风轮不平衡故障数据；构建基于多域特征提取的机器学习风轮不平衡故障识别模型；将待识别的风轮不平衡故障数据输入至基于多域特征提取的机器学习风轮不平衡故障识别模型中进行处理，输出识别结果；其中，基于多域特征提取的机器学习风轮不平衡故障识别模型利用拉丁超立方改进布谷鸟算法LHS‑ICS优化支持向量机SVM参数，并通过训练集进行训练后获得，训练集包括振动加速度信号的时域、频域和时频域特征数据。本发明适用于风电机组早期不平衡故障的精准预警，为降低运维成本、提升发电可靠性提供了技术支撑。