基于长短时记忆神经网络的风电机组滚动轴承故障诊断方法

• 作者: 宋雨 张建付 李刚 焦亚菲 王传洋
• 来源期刊: 计算机测量与控制
• 关键词: 风电机组 滚动轴承 故障诊断 回归神经网络 长短时记忆神经网络 小波包变换
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 16-19
• 页数: 4页
• 分类号: TM315
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2017.01.005

摘要

风能作为一种绿色能源在我国能源结构中发挥着越来越重要的作用;风电机组的滚动轴承作为传动系统的重要组成部分,是其主要故障部件之一;随着风电规模的不断增长,及时地发现风电机组滚动轴承的故障对风电场安全稳定运行具有重要意义;针对传统回归神经网络存在的梯度消失问题,提出了利用长短时记忆神经网络对风电机组滚动轴承进行故障诊断的模型;首先,利用小波包变换对风电机组滚动轴承振动信号进行处理,提取其特征向量,将其作为长短时神经网络的输入,从而诊断出风电机组滚动轴承的3种常见故障;通过算例分析,结果表明所提出的方法能够有效地对风电机组的滚动轴承进行故障诊断,并且在故障特征量差异不明显的情况下长短时记忆神经网络仍具有良好的故障诊断性能,说明了该方法的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋雨	华北电力大学控制与计算机工程学院	91	893	17.0	24.0
2	李刚	华北电力大学控制与计算机工程学院	18	218	8.0	14.0
6	焦亚菲	华北电力大学控制与计算机工程学院	2	37	2.0	2.0
7	张建付	华北电力大学控制与计算机工程学院	2	36	2.0	2.0
8	王传洋	华北电力大学控制与计算机工程学院	1	26	1.0	1.0