基于参数优化VMD及改进CNN的风电齿轮故障诊断方法

刘磊; 穆塔里夫· 阿赫迈德; 木巴来克· 都尕买提; 邵曾智

doi:10.13568/j.cnki.651094.651316.2025.10.04.0001

您当前的位置：

首页 >

文章列表页 >

基于参数优化VMD及改进CNN的风电齿轮故障诊断方法

智能建模与工程计算专题 | 更新时间：2026-02-07

- 基于参数优化VMD及改进CNN的风电齿轮故障诊断方法
- Wind Turbine Gear Fault Diagnosis Method Based on Parameter-Optimized VMD and Improved CNN
- 新疆大学学报（自然科学版中英文） 2026年43卷第1期页码：38-50
- 作者机构：
  
  新疆大学电气工程学院，新疆乌鲁木齐 830017
- 作者简介：
  
  刘磊（1998—），男，硕士生，从事风电齿轮动力学分析与故障诊断的研究，E-mail： 2873140378@qq.com．
  穆塔里夫·阿赫迈德（1963—），男，教授，硕士生导师，主要从事机构学、机械强度分析、结构优化设计的研究，E-mail： mtlp@xju.edu.cn．
- 基金信息：
  
  新疆维吾尔自治区“天山英才”计划-科技创新领军人才基金资助项目“新疆碳中和能源科学与技术研究”(2022TSYCLJ0001)
- DOI：10.13568/j.cnki.651094.651316.2025.10.04.0001
  中图分类号： TH165.3;TH123
- 收稿：2025-10-04，
  
  修回：2025-12-29，
  
  录用：2026-01-03，
  
  纸质出版：2026-01-25
- 稿件说明：
移动端阅览
刘磊，穆塔里夫·阿赫迈德，木巴来克·都尕买提，邵曾智．基于参数优化VMD及改进CNN的风电齿轮故障诊断方法［J］．新疆大学学报（自然科学版中英文），2026，43（1）：38-50．

Liu Lei，Ahemaide Mutalifu，Dugamaiti Mubalaike，Shao Zengzhi. Wind Turbine Gear Fault Diagnosis Method Based on Parameter-Optimized VMD and Improved CNN[J]. Journal of Xinjiang University(Natural Science Edition in Chinese and English)，2026，43(1)：38-50.
刘磊，穆塔里夫·阿赫迈德，木巴来克·都尕买提，邵曾智．基于参数优化VMD及改进CNN的风电齿轮故障诊断方法［J］．新疆大学学报（自然科学版中英文），2026，43（1）：38-50． DOI： 10.13568/j.cnki.651094.651316.2025.10.04.0001.

Liu Lei，Ahemaide Mutalifu，Dugamaiti Mubalaike，Shao Zengzhi. Wind Turbine Gear Fault Diagnosis Method Based on Parameter-Optimized VMD and Improved CNN[J]. Journal of Xinjiang University(Natural Science Edition in Chinese and English)，2026，43(1)：38-50. DOI： 10.13568/j.cnki.651094.651316.2025.10.04.0001.

摘要

风电齿轮因长期高速运转且运行环境复杂，早期故障信号特征微弱易被掩盖，致使传统故障诊断方法精度较低．为解决此问题，本文提出一种基于改进旗鱼算法（ISFO）优化变分模态分解（VMD）与卷积神经网络（CNN）的风电齿轮故障诊断方法．首先，将Logistic混沌映射初始化、 Lévy飞行理论和遗传算法优化理论引入旗鱼算法（SFO）中，提出了基于混合策略的ISFO算法，有效解决了算法的局部最优问题．其次，利用ISFO算法优化VMD参数分解信号，提取相关系数最大模态分量的故障特征信息，并利用短时傅里叶变换（STFT）构建时频图．最后，将时频图输入优化后的CNN训练以完成故障诊断分类．实验对比和分析表明，所提方法在公共数据集和自测数据集上均表现出较高的诊断精度，平均准确率达98.67%，能够有效解决风电齿轮故障诊断问题．

Abstract

Wind turbine gears

operating at high speeds under complex environmental conditions

exhibit subtle early-stage fault signals that are easily masked

resulting in low accuracy with conventional diagnostic methods. To address this issue

this paper proposes a fault diagnosis method for wind turbine gears based on an improved sailfish optimizer (ISFO) algorithm optimising variational modal decomposition (VMD) and convolutional neural networks (CNN). Firstly

the ISFO algorithm is enhanced by incorporating initialisation via the Logistic chaotic map

optimisation principles from Lévy flight theory

and genetic algorithm techniques. This yields an ISFO algorithm based on hybrid strategies

effectively resolving the algorithm's local optimum issue. Subsequently

using ISFO algorithm refines VMD parameter decomposition of signals

extracting fault feature information from the modal component with the highest correlation coefficient. A short-time Fourier transform (STFT) is then employed to construct a time-frequency map. Finally

the time-frequency map is input into an optimised CNN for fault diagnosis classification. Experimental comparisons and analyses demonstrate that the proposed method achieves high diagnostic accuracy on both public and self-test datasets

with an average accuracy rate of 98.67%

effectively addressing wind turbine gear fault diagnosis challenges.

关键词

Keywords

references

王洁． “双碳”背景下风电产业集团碳中和实现路径［J］．能源与节能， 2024 （ 5 ）： 98 - 101 ．

Wang J ． Carbon neutrality realization path of wind power industry group under background of "Dual Carbon” ［J］． Energy and Energy Conservation ， 2024 （ 5 ）： 98 - 101 ．（in Chinese）

张新燕，何山，张晓波，等．风力发电机组主要部件故障诊断研究［J］．新疆大学学报（自然科学版）， 2009 ， 26 （ 2 ）： 140 - 144 ．

Zhang X Y ， He S ， Zhang X B ， et al ． Study of fault diagnosis wind turbine generator system ［J］． Journal of Xinjiang University （Natural Science Edition）， 2009 ， 26 （ 2 ）： 140 - 144 ．（in Chinese）

杨保俊，洪荣晶，潘裕斌．基于CEEMDAN-EFICA去噪的风电齿轮箱故障诊断［J］．组合机床与自动化加工技术， 2020 （ 2 ）： 115 - 118+122 ．

Yang B J ， Hong R J ， Pan Y B ． Fault diagnosis of wind turbine gearbox based on CEEMDAN-EFICA denoising ［J］． Modular Machine Tool & Automatic Manufacturing Technique ， 2020 （ 2 ）： 115 - 118+122 ．（in Chinese）

Zhang N N ， Wu L F ， Yang J ， et al ． Naive Bayes bearing fault diagnosis based on enhanced independence of data ［J］． Sensors ， 2018 ， 18 （ 2 ）： 1 - 17 ．

王国锋，张旭东，汪菲，等．基于优化EFD算法的风电行星齿轮箱故障诊断研究［J］．天津大学学报（自然科学与工程技术版）， 2023 ， 56 （ 4 ）： 355 - 360 ．

Wang G F ， Zhang X D ， Wang F ， et al ． Wind power planetary gearbox fault diagnosis based on optimized EFD algorithm ［J］． Journal of Tianjin University（Science and Technology）， 2023 ， 56 （ 4 ）： 355 - 360 ．（in Chinese）

张振海，王维庆，王海云，等．基于改进小波包的风电机组齿轮箱复合故障特征提取研究［J］．太阳能学报， 2022 ， 43 （ 9 ）： 331 - 336 ．

Zhang Z H ， Wang W Q ， Wang H Y ， et al ． Research on composite fault feature extraction of wind turbine extraction of wind turbine gearbox based on inproved wavelet packet ［J］． Acta Energiae Solaris Sinica ， 2022 ， 43 （ 9 ）： 331 - 336 ．（in Chinese）

Li Y ， Cheng G ， Pang Y S ， et al ． Planetary gear fault diagnosis via feature image extraction based on multi central frequencies and vibration signal frequency spectrum ［J］． Sensors ， 2018 ， 18 （ 6 ）： 1 - 15 ．

何晓良，苏春，张玉茹．基于改进VMD和SVM方法的滚动轴承故障诊断［J/OL］．东南大学学报（自然科学版）， 2025-09-01 ． https：//link.cnki.net/urlid/32.1178.n.20250901.1035.002 https://link.cnki.net/urlid/32.1178.n.20250901.1035.002 ．

He X L ， Su C ， Zhang Y R ． Fault diagnosis for rolling bearing based on improved VMD and SVM ［J/OL］． Journal of Southeast University（Natural Science Edition）， 2025-09-01 ． https：//link.cnki.net/urlid/32.1178.n.20250901.1035.002 https://link.cnki.net/urlid/32.1178.n.20250901.1035.002 ．（in Chinese）

薛彬，李英顺，郭占男，等．基于蚱蜢算法优化变分模态分解的滚动轴承故障诊断［J］．车用发动机， 2023 （ 1 ）： 84 - 92 ．

Xue B ， Li Y S ， Guo Z N ， et al ． Fault diagnosis of rolling bearing based on variational mode decomposition of grasshopper algorithm optimization ［J］． Vehicle Engine ， 2023 （ 1 ）： 84 - 92 ．（in Chinese）

Wang Z ， Shen J X ， Zhang X Y ， et al ． Gear fault diagnosis research based on GAF-TFR-2DCV with small sample size ［J］． Ain Shams Engineering Journal ， 2025 ， 16 （ 5 ）： 103344 ．

余传粮，梁睿君，冉文丰，等．基于STFT和CNN的齿轮箱故障诊断［J］．机械制造与自动化， 2022 ， 51 （ 3 ）： 152 - 154+195 ．

Yu C L ， Liang R J ， Ran W F ， et al ． Fault diagnosis of gearbox based on STFT and CNN ［J］． Machine Building & Automation ， 2022 ， 51 （ 3 ）： 152 - 154+195 ．（in Chinese）

Nassef M G A ， Hussein T M ， Mokhiamar O ． An adaptive variational mode decomposition based on sailfish optimization algorithm and Gini index for fault identification in rolling bearings ［J］． Measurement ， 2021 ， 173 ： 108514 ．

王栋，唐长庆，田宝国，等．具有列维飞行与布朗运动特征的循环竞争博弈及物种稳定共存条件［J］．物理学报， 2014 ， 63 （ 16 ）： 168701 ．

Wang D ， Tang C Q ， Tian B G ， et al ． Cyclical game coupling with Levy flight and Brownian motion and stable coexistence conditions of species ［J］． Acta Physica Sinica ， 2014 ， 63 （ 16 ）： 168701 ．（in Chinese）

褚鸿源，王晓梅．基于融合复合多尺度熵与随机森林的滚动轴承故障诊断［J］．工程机械， 2025 ， 56 （ 6 ）： 41 - 48 ．

Chu H Y ， Wang X M ． Fault diagnosis of rolling bearings based on fusion of composite multiscale entropy and random forest ［J］． Construction Machinery and Equipment ， 2025 ， 56 （ 6 ）： 41 - 48 ．（in Chinese）

黄昌顺，张金萍．基于CBAM-CNN的滚动轴承故障诊断方法［J］．现代制造工程， 2022 （ 11 ）： 137 - 143 ．

Huang C S ， Zhang J P ． Rolling bearing fault diagnosis method based on CBAM-CNN ［J］． Modern Manufacturing Engineering ， 2022 （ 11 ）： 137 - 143 ．（in Chinese）

王志坚，吴文轩，张纪平，等．基于MS-EEMD的滚动轴承微弱故障提取研究［J］．噪声与振动控制， 2018 ， 38 （ 3 ）： 152 - 156 ．

Wang Z J ， Wu W X ， Zhang J P ， et al ． Weak fault signal extraction of rolling bearings based on MS-EEMD ［J］． Noise and Vibration Control ， 2018 ， 38 （ 3 ）： 152 - 156 ．（in Chinese）

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于MEVMD与GA-CNN+LSTM的NO_x浓度动态预测模型研究

风力发电机组主要部件故障诊断研究

自适应MCKD结合Autogram的矿用滚动轴承故障特征提取

基于GAWOA优化ELM的风机变流器故障诊断

基于VMD-Leaky-ESN的电力系统短期负荷多步预测方法