基于深度学习的风电机组轴承诊断系统

来源：机械与电子杂志2024年第07期北京时间：

作者：骆东松;马立东

单位：兰州理工大学电气工程与信息工程学院,甘肃 兰州 730050

摘要：风电机组的轴承作为其关键部件,正常工作时常出现因磨损和裂纹而失效的状况,导致所采集到的振动数据含有其他干扰信号,而传统的诊断方法故障检测误差较大,导致诊断结果准确性较差。针对这一问题,提出了一个基于 DRSN-CW 模型的风电机组轴承诊断系统。该系统结合了软、硬件设计,算法理论和仿真结果分析,旨在提高轴承故障检测的准确性和效率。通过合适的传感器和数据采集设备进行硬件设计,构建了包括数据预处理、特征提取、模型训练和推理等模块的软件设计,实现了自动化的轴承故障诊断过程。选择 DRSN-CW 作为基础模型,结合软阈值化、残差网络和注意力机制,有效学习轴承信号中的重要特征。使用凯斯西储大学轴承振动数据进行仿真实验,并对多种不同的故障诊断算法进行了分析。实验结果表明,DRSN-CW 模型的准确率优于其他方法。

关键词：风电机组;轴承;故障诊断;收缩网络;残差网络