科研之友
微信
新浪微博
Facebook
分享链接
摘要
滚动轴承是风电机组中故障最为频繁的部件之一，准确有效的轴承故障诊断方法有助于保障风电机组安全稳定运行。针对轴承振动信号特征微弱、难以诊断的问题，提出了一种基于改进降噪自编码器的风电机组轴承故障检测方法。首先引入了一维信号的图像化预处理，将原始的时域信号转化为二维特征灰度图。然后利用卷积神经网络在图像特征提取上的强大优势，构建了堆叠降噪自编码器与卷积神经网络的集成模型，去除了传统卷积神经网络中的池化层，进一步提升提取特征的鲁棒性和泛化性。整体诊断流程由数据驱动，减少了对于经验的依赖。最后的实验结果表明，该方法能够精确诊断不同类型的轴承故障。此外，通过与其他方法的对比实验进一步验证了该方法在故障诊断方面的优越性。
-
单位国投电力控股股份有限公司; 北京交通大学
