科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于大数据技术能够有效提升风电机组的可靠性状态预测和故障诊断。针对目前的研究对某种单一信号,如电信号等在故障检测中的作用以及信号融合对检测准确性影响还不深入的问题,该文基于BP神经网络,将电信号与振动信号、温度信号融合作为输入层参数,开展基于多信号融合的风电齿轮箱状态预测和故障定位,结合某风场2 MW风力发电机的实际数据,分析不同信号在风电齿轮箱状态预测和故障定位中的作用。结果表明,电信号的融合能够进一步提高风力发电机状态预测与故障定位的准确性。
-
单位重庆大学; 机械传动国家重点实验室
