基于卷积神经网络的风电机组齿轮箱状态监测方法

• 作者: 侯栋楠 刘华新 刘红艳 朱霄珣 韩中合
• 来源期刊: 可再生能源
• 学科: 工学
• 关键词: 风电机组 齿轮箱 状态监测 卷积神经网络
• 年，卷（期）: 2020,（1）
• 页码范围: 53-57
• 页数: 5页
• 分类号: TK83
• 字数: 4188字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-5292.2020.01.011

摘要

为了实现对风电机组齿轮箱的状态监测,文章提出了一种基于卷积神经网络的风电机组齿轮箱状态监测方法.首先,提取风电机组数据采集与监视控制(SCADA)数据和振动信号作为参数,组成齿轮箱状态矩阵.其次,建立了一种卷积神经网络模型,该模型针对输入数据设计了特定结构和池化层规则,提高了计算效率,能够从齿轮箱状态信息中提取特征并判断其状态.最后,利用实际运行的风电机组数据对卷积神经网络模型进行了训练和验证,最终取得了96.3℅的识别精度.同时,将该模型应用于对同一风场其他机组的状态监测,结果验证了卷积神经网络模型对齿轮箱状态监测的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩中合	华北电力大学能源动力与机械工程学院	181	1606	21.0	31.0
2	朱霄珣	华北电力大学能源动力与机械工程学院	29	165	7.0	11.0
3	刘华新	华北电力大学能源动力与机械工程学院	6	27	3.0	5.0
4	侯栋楠	华北电力大学能源动力与机械工程学院	3	1	1.0	1.0
5	刘红艳		4	1	1.0	1.0