基于一维密集连接卷积网络的风电齿轮箱智能故障分类

• 作者: 丁显 徐进 滕伟 程浩
• 来源期刊: 可再生能源
• 学科: 工学
• 关键词: 一维 密集连接 卷积神经网络 智能化 故障分类
• 年，卷（期）: 2020,（2）
• 页码范围: 187-192
• 页数: 6页
• 分类号: TK83
• 字数: 3189字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-5292.2020.02.008

摘要

人工智能技术的飞速发展为现代能源装备的精益化故障诊断与健康管理提供了可能.风电齿轮箱由多个齿轮、轴承组成,且长期在变速、变载荷工况下运行,依靠传统的故障特征提取结合机器学习方法进行故障诊断存在精度低、缺乏智能性等缺点.文章提出了基于一维密集连接卷积网络的风电齿轮箱故障分类方法:将原始振动信号直接送入网络模型,经过密集连接、合成连接与卷积运算,匹配对应的故障类型,迭代训练故障分类模型;振动信号输入模型后的分类结果决定所属故障类别.文章所提出的风电齿轮箱故障分类方法具有诊断流程简单、故障识别率高等特点,多工况试验台故障数据验证了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	滕伟	华北电力大学电站设备状态监测与控制教育部重点实验室	30	227	8.0	14.0
2	程浩	华北电力大学电站设备状态监测与控制教育部重点实验室	4	15	2.0	3.0
3	丁显		3	1	1.0	1.0
4	徐进		3	1	1.0	1.0