文献类型：期刊文章

作　　者：王春梅[1]

WANG Chunmei(Skills Training Center,State Grid Jibei Electric Power Company,Baoding 071051,China)

机构地区：[1]国网冀北电力有限公司技能培训中心,河北保定071051

出　　处：《自动化仪表》

年　　份：2018

卷　　号：39

期　　号：5

起止页码：33-37

语　　种：中文

收录情况：CAS、CSA、CSA-PROQEUST、INSPEC、RCCSE、ZGKJHX、普通刊

摘　　要：为解决目前传统风电机组主轴故障诊断过程中因主轴结构复杂、信号非线性变化和机械大数据等因素引起的故障诊断困难问题,提出了一种高效、准确的风电机组主轴承故障诊断方法。利用深度置信网络强大的特征分层提取和泛化能力优势,结合Python语言基于Tensor Flow学习框架,实现了高效准确的风电机组主轴承故障诊断。采集风电机组主轴轴转动频率,内、外圈故障频率,滚动体频率和保持架频率,对数据预处理并划分测试集和训练集,同时进行归一化处理。构建深度置信网络DBN诊断网络模型,确定网络层数、学习率、各层节点数等参数。输入训练样本逐层无监督训练达到局部参数最优,反向微调使整体性能最优并用测试集数据进行验证。试验结果表明:在网络参数合适且训练集和测试集相同的情况下,采用深度置信网络的风电机组主轴承故障诊断方法的准确率高达86.18%,同比优于传统支持向量机、人工神经网络故障诊断方法。

关 键 词：风电机组 主轴轴承 深度置信网络  学习框架  SVM 故障诊断

分 类 号：TH13] TP306.3]