基于EMD-1DCNN的风电齿轮箱声信号故障诊断研究

作者：黄海

来源：数字通信世界, 2023, (07): 43-45.

• 卷积神经网络
• 齿轮箱
• 故障诊断
• 声信号

针对风电齿轮箱常年处于变负载、变转速等非平稳工况下导致的故障诊断方法精度下降的问题，文章提出了一种基于EMD-1DCNN的风电齿轮箱声信号故障诊断方法。此方法利用经验模态分解（Empirical Mode Decomposition,EMD）将声音信号分解为一系列的本征模态函数（Intrinsic Mode Function,IMF）。然后，将多通道IMF输入一维卷积神经网络（1DCNN）进行自动特征学习和故障分类。实验表明，采用EMD-1DCNN模型对风电齿轮箱进行故障诊断的诊断精度高且收敛速度快，有助于智能算法在实际工程中的应用。

• 单位
  国电电力发展股份有限公司