基于压缩采集与CNN的风电机轴承故障诊断

• 作者: 吴定会 韩欣宏 郑洋
• 来源期刊: 控制工程
• 关键词: 风电机 故障诊断 观测矩阵 卷积神经网络
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 人工智能驱动的自动化
• 页码范围: 571-578
• 页数: 8页
• 分类号: TP18
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.20180724

摘要

针对传统风电机轴承故障检测存在的采样数据量大、故障特征依赖主观选取的问题,提出了风电机轴承故障的信号压缩采集、自动提取特征及故障诊断的方法,解决了风电机轴承振动信号特征提取计算复杂、受先验知识影响较大的问题.首先基于梯度加速法(NAG)和QR分解理论对随机高斯观测矩阵进行优化,实现风电机轴承振动信号压缩采集;然后将压缩采集得到的数据作为卷积神经网络(CNN)的输入,利用卷积池化层提取压缩采集数据中的故障特征;最后,将得到的故障特征通过softmax分类器进行分类.仿真实验表明:该方法能够自动提取风电机轴承的故障特征,在保证较高故障诊断准确率的同时,缩短了网络训练时间.