关键词：风力发电机组;非侵入式;机械故障;改进模糊Q学习;故障诊断
摘 要：为在不使用机械传感器的前提下，有效对风力发电机组的机械故障进行检测与诊断，提出一种风力发电机组的非侵入式机械故障检测与诊断策略，借助改进模糊Q学习分类器实现5种机械故障类型的精确诊断。首先对风力发电机组的模型搭建和不平衡故障的构建方式进行介绍。接着提出用于风力发电机组的非侵入式机械故障检测与诊断策略，通过经验模态分解(EMD)技术对机械故障工况进行特征提取后，使用决策树J48算法筛选出最具影响力的输入(MII),并介绍改进模糊Q学习分类器的设计方法。最后利用实验平台得到的数据集用于诊断策略的训练和效果验证，实验结果表明所提出的机械故障诊断策略可以实现99.47%的平均正确率，明显高于作为对照的支持向量机、神经网络和传统模糊Q学习策略。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取