基于信息融合的风电机组齿轮箱轴承故障诊断

• 作者: 朱才朝 王屹立 鲁炯
• 来源期刊: 重庆大学学报
• 学科: 工学
• 关键词: 信息融合 BP神经网络 改进的D-S证据理论 风电齿轮箱轴承 故障诊断
• 年，卷（期）: 2020,（8）
• 页码范围: 11-22
• 页数: 12页
• 分类号: TM315
• 语种: 中文
• DOI: 10.11835/j.issn.1000-582X.2020.08.002

摘要

针对风电齿轮箱轴承故障问题,提出一种基于信息融合将BP神经网络与D-S证据理论相结合的风电轴承故障诊断方法.首先基于大数据,挖掘SCADA(supervisory control and data acquisition)系统中与风电齿轮箱轴承故障有关的振动、温度、电流、转矩和转速信号等故障特征;然后将各信号故障特征量作为神经网络输入,将神经网络的输出归一化作为证据理论基本概率分配值(BPA值),为解决各证据之间冲突问题,采用一种基于加权的方法来改进各条证据,以减小冲突;最后利用组合规则将各条改进的证据融合,得出最终诊断结果.研究基于某风场2 MW风电机组的实际运行数据,结果表明:随着融合信号维度的增加,最终诊断结果的准确率也逐步提高,融合多维信号的可靠性明显高于单一信号.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱才朝	重庆大学机械传动国家重点实验室	142	1740	24.0	35.0
2	鲁炯	重庆大学机械传动国家重点实验室	1	0	0.0	0.0
3	王屹立	重庆大学机械传动国家重点实验室	1	0	0.0	0.0