针对风电机组轴承故障样本少且诊断准确率低的问题，提出一种基于数字孪生的风电机组轴承故障诊断方法。构建了风电机组的数字孪生系统，为风电机组轴承故障诊断提供了数据来源。基于希尔伯特黄变换对轴承振动信号增强处理，实现了振动信号样本数据的增强，减少振动信号噪音。建立了风电机组轴承故障的卷积神经网络模型，以数据增强的样本作为诊断模型的训练与测试。实验验证了所提方法的可行性与有效性，解决了一维振动信号的数据增强，提高了风电轴承故障诊断准确率与稳定性。
科研之友
微信
新浪微博
Facebook
分享链接
