[1]曹珂璐,任工昌,桓 源,等.基于深度残差收缩网络的风力发电机齿轮箱故障诊断[J].机械与电子,2023,41(02):66-70.
　CAO Kelu,REN Gongchang,HUAN Yuan,et al.Gearbox Fault Diagnosis of Wind Turbine Based on Deep Residual Shrinkage Network[J].Machinery & Electronics,2023,41(02):66-70.
点击复制

基于深度残差收缩网络的风力发电机齿轮箱故障诊断()
分享到：

《机械与电子》[ISSN:1001-2257/CN:52-1052/TH]

卷:
41
期数:
2023年02期
页码:
66-70
栏目:
机电一体化技术
出版日期:
2023-02-28

文章信息/Info

Title:
Gearbox Fault Diagnosis of Wind Turbine Based on Deep Residual Shrinkage Network
文章编号:
1001-2257 ( 2023 ) 02-0066-05
作者:
曹珂璐; 任工昌; 桓 源; 张路平
陕西科技大学机电工程学院,陕西 西安, 710021
Author(s):
CAO Kelu ;  REN Gongchang ;  HUAN Yuan ;  ZHANG Luping
( College of Mechanical and Electrical Engineering , Shaanxi University of Science and Technology , Xi ’ an 710021 , China )
关键词:
风力发电机齿轮箱; 深度残差收缩网络; 故障诊断; 变工况
Keywords:
wind turbine gearbox ;  deep residual shrinkage network ;  fault diagnosis ;  variable condition
分类号:
TH132
文献标志码:
A
摘要:
提出了一种基于深度残差收缩网络的风力发电机齿轮箱故障诊断方法。首先,通过齿轮箱动力学模拟实验平台采集 9 种工况下的 8 种故障的振动信号;其次,对所采集的信号进行数据预处理,将其输入至深度残差收缩网络中训练;最后,利用反向传播算法不断优化网络参数,实现变工况下风力发电机齿轮箱故障的识别与分类。实验结果表明,所提方法在变工况场景下,可有效提取齿轮箱的故障特征并具有较高的识别准确率,证明了其在风力发电机齿轮箱故障诊断方面的可行性及有效性。
Abstract:
In this paper , a gearbox fault diagnosis method for wind turbine based on deep residual shrinkage network is proposed.Firstly , the vibration signals of eight faults under nine operating conditions are collected by the gearbox dynamics simulation experiment platform ; secondly , the collected signals are pre-processed and input to the deep residual systolic network for training ; finally , the back propagation algorithm is used to continuously optimize the network parameters to realize the identification and classification of wind turbine gearbox faults under variable operating conditions.The experimental results show that the proposed method can effectively extract the fault characteristics of the gearbox with high recognition accuracy under the variable working condition scenario , which proves its feasibility and effectiveness in wind turbine gearbox fault diagnosis.

参考文献/References:

[ 1 ] 陈雪峰,郭艳婕,许才彬,等 . 风电装备故障诊断与健康监测研究综述 [ J ] . 中国机械工程, 2020 , 31 ( 2 ):175-189.

[ 2 ] 刘洋,丁云飞 . 风力发电机典型智能故障诊断方法综述[ J ] . 上海电机学院学报, 2017 , 20 ( 6 ): 353-360 , 372.
[ 3 ] 于建国,岳占岐,边辉,等 . 基于 BP 神经网络的风力发电机温升故障诊断研究[ J ] . 微电机, 2020 , 53 ( 2 ): 32-36.
[ 4 ] 曾军,陈艳峰,杨苹,等 . 大型风力发电机组故障诊断综述[ J ] . 电网技术, 2018 , 42 ( 3 ): 849-860.
[ 5 ] 曾文珺,吕丽霞 . 数据挖掘技术在风力发电中的应用综述[ J ] . 仪器仪表用户, 2019 , 26 ( 4 ): 95-99 , 9.
[ 6 ] 李刚,齐莹,李银强,等 . 风力发电机组故障诊断与状态预测的研究进展[ J ] . 电力系统自动化,2021 , 45 ( 4 ):180-191.
[ 7 ] 王一宁,甄成刚,韩瑶瑶 . 基于 AFSA-PSO-LSSVM 的风电机组齿轮箱故障诊断[ J ] . 郑州大学学报(理学版),2022 , 54 ( 3 ): 81-87.
[ 8 ] 程加堂,艾莉,段志梅,等 .CQPSO BP 算法在风电机组齿轮箱故障诊断中的应用[ J ] . 太阳能学报, 2017 , 38( 8 ): 2112-2116.
[ 9 ] 杨志凌,姚治业,王瑞明 . 基于 HMM 的风电机组齿轮箱故障诊断研究 [ J ] . 太阳能学报, 2017 , 38 ( 9 ):2574-2581.
[ 10 ] 李东东,谭涛 . 基于 VMD 和卷积深度信念网络的风电机组行星齿轮箱故障检测 [ J ] . 水电能源科学,2021 , 39 ( 3 ): 145-148 , 77.
[ 11 ] 郑攀,周建华,高素杰,等 . 基于 SPS 与 CNN 的行星齿轮箱故障特征提取与诊断研究[ J ] . 机械传动, 2022 ,46 ( 4 ): 73-79 , 147.
[ 12 ] 马芸婷,张超,王宇晨 .PCA-SAE 的齿轮箱故障诊断方法研究 [ J ] . 机械设计与制造,2022 ( 3 ): 144-147 , 152.
[ 13 ] ZHAO M H , ZHONG S S , FU X Y , et al.Deep residual shrinkage networks for fault diagnosis [ J ] .IEEE Transactions onindustrial informatics , 2020 , 16 ( 7 ):4681-4690.

备注/Memo

备注/Memo:
收稿日期: 2022-10-08
基金项目:陕西省重点研发计划资助项目( 2022GY-250 );西安市科技计划项目( 2022JH-RGZN-0098 )
作者简介:曹珂璐 ( 1994- ),女,陕西渭南人,硕士研究生,研究方向为机械系统故障诊断、机器人创新设计等;任工昌 ( 1962- ),男,陕西西安人,博士,教授,研究方向为产品创新理论、机器人创新设计、故障诊断等,通信作者。
更新日期/Last Update: 2023-03-08