文献类型：期刊文章

作　　者：刘展[1] 包琰洋[2] 李大字[2]

LIU Zhan;BAO Yanyang;LI Dazi(Beijing Pukang Automation Technology Co.,Ltd.,Fengtai District,Beijing 100070,China;Institute of Automation,Beijing University of Chemical Technology,Chaoyang District,Beijing 100029,China)

机构地区：[1]北京能高普康测控技术有限公司,北京市丰台区100070 [2]北京化工大学自动化研究所,北京市朝阳区100029

出　　处：《发电技术》

基　　金：国家自然科学基金项目(62273026);工信部高技术船舶科研项目(MC-202025-S02)。

年　　份：2023

卷　　号：44

期　　号：6

起止页码：824-832

语　　种：中文

收录情况：CSCD、CSCD2023_2024、JST、RCCSE、SCOPUS、ZGKJHX、普通刊

摘　　要：针对数据驱动的风机故障诊断面临的数据量少、信号噪声干扰等问题,提出了一种基于宽卷积深度神经网络的故障诊断方法。该方法采用了重采样、小波阈值去噪等信号预处理方式,既增加了信息密度,又保证了信息的完整性,结合主成分分析法(principal component analysis,PCA)替代人工经验进行数据通道的选取。利用卷积神经网络的强大特征提取能力,通过较少的数据训练即可对风机机组在时域上的故障信号进行有效的特征提取,从而可以对风机进行精确的故障诊断。基于某真实风机机组数据的实验结果,验证了该方法的有效性。

关 键 词：风机  宽卷积深度卷积神经网络  重采样 小波阈值去噪 主成分分析法

分 类 号：TM614] TP183]