于生飞1, 纪成亮1, 张勇1, 张昴辉2, 3, 4, 刘聪2, 3, 4, 魏焕卫2, 3, 4, 尹贤贤3, 4, 5
振动与冲击. 2026, 45(11): 47-57.
针对基础环式风电机组基础环与周边混凝土脱空损伤判定问题,提出一种基于多域特征融合与极端梯度提升(extreme gradient boosting,XGBoost)的智能识别方法。通过加速度传感器采集基础环周边混凝土的振动响应信号,提取7类时域特征、5类频域特征及小波包时频域特征,构建高维特征矩阵;经Z-score标准化消除数据尺度差异后,采用PCA降维(前10主成分累计贡献率95.7%)优化特征输入;最终利用XGBoost分类模型实现基础脱空损伤程度(正常、初步损伤、中度损伤、严重损伤)的识别。室内试验(2000组样本)结果表明,该方法分类准确率达99.0%,5折交叉验证准确率均≥99.0%,显著优于SVM(86.3%)、MLP(96.3%)和随机森林(97.0%)模型;现场测试数据分类准确率达87.0%,初步验证了方法的工程适用性。