基于机器学习的风电齿轮箱智能故障预警方法及系统

本发明涉及风电设备监测技术领域，公开了基于机器学习的风电齿轮箱智能故障预警方法及系统。该方法包括获取风电齿轮箱的振动信号、温度数据及油液分析数据等多源监测数据，经时频联合分析提取多尺度运行特征；通过自适应特征选择算法确定关键故障敏感特征，结合历史故障案例库构建动态故障特征权重矩阵；采用多模态数据融合生成增强故障特征集，对其模态分解得到趋势分量与波动分量；基于两分量用深度神经网络构建故障演化特征空间，再以时序模式匹配算法识别故障发展模式，最后根据与预设模式的匹配度生成分级预警信号，可全面捕捉故障特征，保障风电齿轮箱安全运行。