摘要
本申请提供了一种风电机组齿轮箱异常检测方法及装置,涉及风电机组齿轮箱故障诊断技术领域,方法包括:获取风电机组齿轮箱在预设历史时段的音频信号时序数据;分别提取音频信号时序数据的线性预测谱包络特征、独立分量特征及梅尔倒谱系数特征;以音频信号时序数据的线性预测谱包络特征、独立分量特征及梅尔倒谱系数特征为输入,经预先构建的混合分类器输出风电机组齿轮箱的故障预测结果,混合分类器由风电机组齿轮箱在不同故障状态下的历史音频信号时序数据所对应的线性预测谱包络特征、独立分量特征及梅尔倒谱系数特征对人工神经网络及长短时记忆神经网络训练后得到。本申请提高了对风电机组齿轮箱的故障诊断效率及准确率。
技术关键词
风电机组齿轮箱
谱包络特征
线性预测器
异常检测方法
分量特征
混合分类器
人工神经网络
音频
时序
预测误差
神经网络训练
信号
滤波器
故障诊断效率
梅尔倒谱系数
数据更新
异常检测装置