| 基于长短时记忆神经网络的风电机组滚动轴承故障诊断方法 |
| |
| 引用本文： | 张建付,宋雨,李刚,王传洋,焦亚菲.基于长短时记忆神经网络的风电机组滚动轴承故障诊断方法[J].应用声学,2017,25(1):16-19. |
| |
| 作者姓名： | 张建付 宋雨 李刚 王传洋 焦亚菲 |
| |
| 作者单位： | 华北电力大学 控制与计算机工程学院,华北电力大学 控制与计算机工程学院,华北电力大学 控制与计算机工程学院,华北电力大学 控制与计算机工程学院,华北电力大学 控制与计算机工程学院 |
| |
| 基金项目： | 国家自然科学基金 (51407076)，河北省自然科学基金(F2014502050)，河北省高等学校科学研究项目(Z2013007)，中央高校基本科研业务费专项资金(2015ZD28) |
| |
| 摘 要： | 风能作为一种绿色能源在我国能源结构中发挥着越来越重要的作用。风电机组的滚动轴承作为传动系统的重要组成部分，是其主要故障部件之一。随着风电规模的不断增长，及时地发现风电机组滚动轴承的故障对风电场安全稳定运行具有重要意义。针对传统回归神经网络存在的梯度消失问题，提出了利用长短时记忆神经网络对风电机组滚动轴承进行故障诊断的模型。首先，利用小波包变换对风电机组滚动轴承振动信号进行处理，提取其特征向量，将其作为长短时神经网络的输入，从而诊断出风电机组滚动轴承的三种常见故障。通过算例分析，结果表明所提出的方法能够有效地对风电机组的滚动轴承进行故障诊断，并且在故障特征量差异不明显的情况下长短时记忆神经网络仍具有良好的故障诊断性能，说明了该方法的可行性和有效性。
|
| 关 键 词： | 风电机组 滚动轴承 故障诊断 回归神经网络 长短时记忆神经网络 小波包变换 |
| 收稿时间： | 2016/7/7 0:00:00 |
| 修稿时间： | 2016/7/22 0:00:00 |
A Method of Fault Diagnosis for Rolling Bearing of Wind Turbines Based on Long Short-term Memory Neural Network |
| |
| Song Yu,Wang Chuanyang and Jiao Yafei.A Method of Fault Diagnosis for Rolling Bearing of Wind Turbines Based on Long Short-term Memory Neural Network[J].Applied Acoustics,2017,25(1):16-19. |
| |
| Authors: | Song Yu Wang Chuanyang and Jiao Yafei |
| |
| Institution: | School of Control and Computer Engineering,North China Electric Power University,School of Control and Computer Engineering,North China Electric Power University,,School of Control and Computer Engineering,North China Electric Power University,School of Control and Computer Engineering,North China Electric Power University |
| |
| Abstract: | |
| |
| Keywords: | wind turbines rolling bearing fault diagnosis recurrent neural network long short-term memory neural network wavelet packet transform |
|
| 点击此处可从《应用声学》浏览原始摘要信息 |
| 点击此处可从《应用声学》下载免费的PDF全文 |
