| 基于BFD和MSCNN的风电滚动轴承智能故障诊断 |
| |
| 引用本文： | 邓敏强,邓艾东,朱静,史曜炜,马天霆.基于BFD和MSCNN的风电滚动轴承智能故障诊断[J].东南大学学报(自然科学版),2021,51(3):521-528. |
| |
| 作者姓名： | 邓敏强 邓艾东 朱静 史曜炜 马天霆 |
| |
| 作者单位： | 东南大学能源与环境学院,南京210096;东南大学火电机组振动国家工程研究中心,南京210096;东南大学能源与环境学院,南京210096;东南大学火电机组振动国家工程研究中心,南京210096;国华太仓发电有限公司,苏州215000 |
| |
| 摘 要： | 针对变工况下风电滚动轴承的健康状态评估问题,提出了一种基于带宽傅里叶分解(BFD)和多尺度卷积神经网络(MSCNN)的智能故障诊断方法.首先,通过BFD算法将原始振动信号分解为一系列带宽模态函数(B MF);然后,通过希尔伯特阶次变换(HOT)计算各BMF的包络阶次谱,并根据特征阶次比筛选出分解结果中包含故障信息最多的有效分量.最后,通过MSCNN学习有效分量的包络阶次谱与故障类别之间的映射关系以实现滚动轴承健康状态的自动识别.实验结果表明,所提方法采用BFD分解结果的包络阶次谱作为故障识别的特征量,能有效提高模型在不同工况下的泛化能力,其测试准确率达到97％以上,可应用于变工况条件下风电滚动轴承的智能故障诊断.
|
| 关 键 词： | 风电 滚动轴承 故障诊断 带宽傅里叶分解 多尺度卷积神经网络 |
Intelligent fault diagnosis of wind turbine rolling bearings based on BFD and MSCNN |
| |
| Deng Minqiang,Deng Aidong,Zhu Jing,Shi Yaowei,Ma Tianting.Intelligent fault diagnosis of wind turbine rolling bearings based on BFD and MSCNN[J].Journal of Southeast University(Natural Science Edition),2021,51(3):521-528. |
| |
| Authors: | Deng Minqiang Deng Aidong Zhu Jing Shi Yaowei Ma Tianting |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
