基于传感器技术和I-LSTM算法的风电机设备运行故障检测及诊断研究

来源：计算机测量与控制杂志2024年第9期北京时间：

作者：孙晔,赵华,郭琳

单位：秦皇岛港股份有限公司第九港务分公司

摘要：有效的故障检测与诊断将极大地提高风电机设备运行效率和可靠性，降低维修成本，保障生产过程的顺利进行。为实现高效率的设备故障预警与维护，研究基于传感器技术和机器学习的设备运行故障检测及诊断方法。首先对箱型图法和小波包降噪法等对传感器传输的数据信号进行预处理。然后利用双向长短时记忆网络构建时间序列预测模型。最后，基于预测残差和贝叶斯概率理论，设计了信号异常识别策略，以实现实时监测与故障预警。对提出的风电机设备故障监测模型进行性能分析，结果表明，研究所构建模型的诊断准确率为98.88%，无漏诊情况，误诊率在1.5%以下，在提前14小时以上进行预警。研究模型能够及时对风电机设备故障进行预警，同时能够在较高的准确率下对故障进行诊断。

关键词：传感器;机器学习;机械设备;故障检测;时序预测

基金资助：河北省科技计划项目(2015ZC20809)