摘要： 提出一种基于时间多维度的振动信号特征提取方法，并利用混合改进的优化算法结合VMD方法搜索最优IMF分量，提取最优分量多维特征，将其作为HK-ELM的输入，实现不同状态信号的特征分类。首先利用混合优化算法确定VMD 的最佳分解参数，提取高质量的模态分量，实现振动信号的前期预处理。随后计算模态分量的TSIMDistEN，基于此构建综合特征向量。最终，将特征向量输入HK-ELM模型进行特征分类。同时，为探究所提特征提取方法的效果，引入两种多维特征熵进行对比分析，验证该特征提取方法的稳定性。实验结果表明，所提诊断方法对于试验数据集准确率高达100 %，并且在实际故障预警分类中准确率高达97.5 %，由此验证了所提模型的有效性。
其可为风电机组振动信号的特征信息提取提供一种有效解决方案。

关键词: 故障诊断, 风电机组, TSIMDistEN, 混合优化算法, HK-ELM, 故障预警