基于SCADA数据的深度学习堆叠自编码模型齿轮箱油温预警

• 作者: 吕微 李韶武 王灿 王玉婷
• 来源期刊: 风力发电
• 学科: 工学
• 关键词: SCADA数据 堆叠自编码 齿轮箱 故障诊断
• 年，卷（期）: flfd_2020,（3）
• 页码范围: 12-19
• 页数: 8页
• 分类号: TP3

摘要

为了有效地提高风电机组齿轮箱的运行状态的稳定性、可靠性和实时性,提出了一种基于SCADA系统的深度学习堆叠自编码的风机齿轮箱故障诊断算法。该算法是将处于正常运行状态的风机数据作为训练数据进行模型训练,然后利用测试数据进行堆叠自编码模型的测试。为了更好地检测出齿轮箱油温是否处于正常状态,选用机器学习算法筛选与齿轮箱相关的测点。通过仿真实验数据与现场人员的反馈,分析并验证了堆叠自编码算法对齿轮箱故障诊断的可行性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李韶武		13	0	0.0	0.0
2	王灿		4	0	0.0	0.0
3	吕微		3	0	0.0	0.0
4	王玉婷		3	0	0.0	0.0