科研之友
微信
新浪微博
Facebook
分享链接
摘要
齿轮箱是风电机组传动链上的关键部件，若其发生断齿等故障，对风力机整体的运行有很大影响，维修不及时会导致损失增大，因此有必要对其进行健康状态监测。由于风力机具有工况不稳定、故障特征不明显、有效标签稀缺、风力机类别差异对分类结果影响大等问题，且常规方法预测精度低，分类模型难以有效推广。针对这些问题，本文提出了基于降噪重采样与LSTM网络的风力机断齿故障诊断方法，将单位周期内的样本点降噪处理后重采样到相同长度，输入到LSTM网络对处理后的数据进行分类，实现了较高精度的风力机断齿故障诊断。最后，通过某风场的实际数据验证了所提出方法的精确性和有效性。
- 单位
