Page 211 - 《振动工程学报》2025年第9期

第 38 卷第 9 期 振 动 工 程 学 报 Vol. 38 No. 9
2025 年 9 月 Journal of Vibration Engineering Sept. 2025

基 于 鲁 棒 代 价 敏 感 支 持 矩 阵 机 的 风 电 齿 轮 箱

故 障 诊 断 方 法

李 鑫 ， 魏 东 ， 邹筱瑜 ， 司 垒 ， 潘海洋 ， 邵海东 3
2
1
1
1
1
（1. 中国矿业大学机电工程学院，江苏 徐州 221116； 2. 安徽工业大学机械工程学院，安徽 马鞍山 243002；
3. 湖南大学机械与运载工程学院，湖南 长沙 410082）
摘要：支持矩阵机作为一种先进的矩阵学习模型，可充分利用矩阵数据内蕴的结构信息，但其易受噪声和野值点影响，且在不
平衡数据集下泛化性不足。为此，提出一种鲁棒代价敏感支持矩阵机（robust cost-sensitive support matrix machine，RCSSMM）
模型，并将其应用于风电齿轮箱智能故障诊断。RCSSMM 采用集成矩阵度量评估矩阵输入的先验分布，为不同的样本分配不
同的样本权重，以提高模型对噪声和野值点的鲁棒性。同时，RCSSMM 引入代价敏感损失函数，为不同类别的矩阵数据赋予
不同的惩罚因子，并通过哈里斯鹰优化（Harris hawks optimization，HHO）算法自适应地确定惩罚因子的最优取值，使模型更加
聚焦少数类样本，以提高对不平衡数据的诊断性能。利用风电齿轮箱模拟实验数据和工程实测数据对所提方法进行验证，实
验结果表明：在噪声、野值点和数据不平衡干扰下，RCSSMM 模型具有更优异的故障诊断性能。
关键词： 智能故障诊断；支持矩阵机；鲁棒性；不平衡数据；风电齿轮箱
+
中图分类号：TH165 .3；TH17 文献标志码：A DOI：10.16385/j.cnki.issn.1004-4523.202310043

Robust cost-sensitive support matrix machine for wind turbine gearbox fault diagnosis

1
2
1
1
1
LI Xin ，WEI Dong ，ZOU Xiaoyu ，SI Lei ，PAN Haiyang ，SHAO Haidong 3
（1.School of Mechatronic Engineering，China University of Mining and Technology，Xuzhou 221116，China；
2.School of Mechanical Engineering，Anhui University of Technology，Ma’anshan 243002，China；
3.College of Mechanical and Vehicle Engineering，Hunan University，Changsha 410082，China）
Abstract：Support matrix machine is an advanced matrix learning model that can fully utilize the intrinsic structural information in matrix data.
However，it is susceptible to noise and outliers，and lacks generalization ability in imbalanced data. To this end，a robust cost-sensitive
support matrix machine (RCSSMM) model is proposed and applied to intelligent diagnosis of wind turbine gearbox faults. RCSSMM improves
the robustness to noise and outliers by evaluating the prior distribution of the matrix input with assembled matrix distance，and assigning
different sample weights to different samples. Additionally，RCSSMM introduces the cost-sensitive loss function that assigns different penalty
factors to different categories of matrix data. The optimal values of the penalty factors are adaptively determined with the Harris hawk
optimization algorithm to focus on minority class samples and improve the diagnostic performance on imbalanced data. The proposed method is
validated using simulated experimental data and real measured data of wind turbine gearboxes. The experimental results demonstrate that the
RCSSMM model exhibits more outstanding fault diagnosis performance even under the presence of noise，outliers，and imbalanced data.
Keywords：intelligent fault diagnosis；support matrix machine；robustness；imbalanced data；wind turbine gearbox

在“双碳”背景下，中国新增风电装机容量持续 随着工业物联网和人工智能技术的蓬勃发展，
国内外研究人员提出了诸多基于数据驱动的风电齿
爆发式增长，2022 年达到 3.7 亿千瓦。然而，大型发电
轮箱故障诊断方法 [2-3] ，主要可分为两类：基于传统机
机 组 装 机 位 置 偏 远， 运 行 环 境 恶 劣 ， 给 运 维 带 来
器学习的方法和基于深度学习的方法。基于传统机
了巨大挑战。据统计，风电齿轮箱在风机全寿命周
器 学 习 的 方 法 在 专 家 经 验 辅 助 下 提 取 敏 感 故 障
期内故障频率最高，约占整个机组故障的 45%。因
特 征， 并 采 用 支 持 向 量 机 （ support vector machine，
[4]
此，开展风电齿轮箱故障诊断研究对于提高风机运 SVM）、随机森林 、几何分类模型 [6] 等传统机器学
[5]
行的可靠性与安全性具有重要的理论和应用价值 。 习方法实现风电齿轮箱故障的智能识别。张振海
[1]

收稿日期：2023-10-19；修订日期：2024-04-14
基金项目：中央高校基本科研业务费专项（20230N1048）；国家自然科学基金资助项目（52204179，52204178）；江苏省自然
科学基金资助项目（BK20231064）；中国博士后科学基金面上项目（2023M743774）