基于一维卷积神经网络和Soft-Max分类器的风电机组行星齿轮箱故障检测

• 作者: 周文磊 李东东 杨帆 王浩 邹胜华 郑小霞
• 来源期刊: 电机与控制应用
• 学科: 工学
• 关键词: 风力发电机 行星齿轮箱 卷积神经网络 故障诊断 Soft-Max分类器
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 新能源与风力发电
• 页码范围: 80-87,108
• 页数: 9页
• 分类号: TM315
• 字数: 6425字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-6540.2018.06.016

摘要

将卷积神经网络引入风机故障检测领域,设计了一种一维卷积神经网络的结构,并和Soft-Max分类器相结合构造了一种双层智能诊断架构.一维卷积神经网络用于行星齿轮箱数据的特征提取,Soft-Max分类器对提取的特征进行分类.与传统智能算法相比,该方法具有训练样本少,可直接使用原始数据训练网络;计算效率高,可以适应实时诊断的需要.试验结果证明,该方法可以有效地诊断出不同工况下的行星齿轮箱中的齿轮故障.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李东东	上海电力学院电气工程学院	70	735	14.0	25.0
3	郑小霞	上海电力学院自动化工程学院	31	287	9.0	16.0
4	杨帆	上海电力学院电气工程学院	19	38	3.0	5.0
8	王浩	上海电力学院电气工程学院	5	21	2.0	4.0