技术特征：
技术总结
本发明提供基于PCA和KNN密度算法风电机组轴承故障诊断方法，获取风电机组轴承在不同工作状态下的振动信号；对振动信号数据进行预处理；分别计算每个样本的时域和频域统计参数，构成风电机组轴承信号的特征矩阵；利用PCA算法对风电机组不同工作状态的多特征矩阵进行降维，提取特征输入，将该输入作为故障诊断模型的训练样本集；采用支持向量机(SVM)对训练样本进行建模；采用KNN密度分类算法对支持向量机的参数进行优化；最终的诊断结果呈现在人机交互界面中。可精确的对故障类型进行分类，提高风电机组轴承故障分类的精度。为风电机组的安全可靠运行提供了保障，从而可以优化电网调度，实现电网的安全、稳定和经济运行。
技术研发人员：赵睿智;丁云飞
受保护的技术使用者：上海电机学院
技术研发日：2017.12.05
技术公布日：2018.05.25