基于深度信念网络的风机主轴承状态监测方法

• 作者: 何群 周振 王洪斌 王红 王跃灵
• 来源期刊: 中国机械工程
• 关键词: 数据采集与监视控制 深度信念网络 温度建模 状态监测
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 机械基础工程
• 页码范围: 948-953
• 页数: 6页
• 分类号: TM315
• 语种: 中文
• DOI: 10.3969/j.issn.1004-132X.2018.08.010

摘要

提出了一种基于深度信念网络(DBN)的风电机组主轴承状态监测方法.为了降低建模难度并减少训练时间,首先利用相关系数法选取建模变量,进而建立主轴承正常行为的DBN 温度模型并用于主轴承温度预测.该模型克服了传统神经网络随机初始化网络权重、易陷入局部最小值等缺点,能有效提高主轴承温度的预测精度.然后采用指数加权移动平均法(EWMA)对主轴承温度残差序列进行分析,并利用核密度估计方法确定故障阈值.最后基于实测的数据采集与监视控制(SCADA)系统数据对主轴承故障进行模拟.结果表明,与传统预测方法相比,该方法能有效地实现主轴承的异常状态监测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何群	燕山大学河北省测试计量技术及仪器重点实验室	27	173	9.0	12.0
2	王洪斌	燕山大学工业计算机控制工程河北省重点实验室	75	525	11.0	20.0
3	王红	燕山大学工业计算机控制工程河北省重点实验室	15	59	5.0	7.0
4	周振	燕山大学工业计算机控制工程河北省重点实验室	3	12	2.0	3.0
5	王跃灵	燕山大学工业计算机控制工程河北省重点实验室	22	89	5.0	9.0