技术特征：
技术总结
本发明涉及一种基于似然学习机的风机齿轮箱状态识别方法，包括以下步骤：1)从风机齿轮箱振动信号中提取出峭度作为风机齿轮箱的故障特征量；2)利用似然学习机对峭度进行学习生成高斯模型作为状态监测模型，即高斯监测模型；3)利用生成的高斯监测模型对齿轮箱状态进行判断。与传统的信号处理进行故障诊断的方法相比，传统方法进行故障识别需要依赖运行人员的经验，本发明不依赖运行人员的经验，具有智能识别的特点；与现有智能算法相比，现有智能算法易出现过拟合的问题，本发明泛化性好，具有很好的可移植性。
技术研发人员：李东东;华伟;王浩;赵耀;杨帆;林顺富
受保护的技术使用者：上海电力学院
技术研发日：2018.12.08
技术公布日：2019.04.05