【技术实现步骤摘要】
一种深度信念网络的风力发电机齿轮箱故障诊断方法
本专利技术属于风力发电机齿轮箱故障诊断
,具体涉及一种深度信念网络的风力发电机齿轮箱故障诊断方法。
技术介绍
齿轮箱可分为单级和多级齿轮箱,风力发电机齿轮箱作为风力发电机组主要变速、能量传递的部件,是一种低速重载的增速齿轮传动,它安装在距离地面几十米的高级塔之上狭小的机舱内,由于选材、加工、热处理、安装调试、使用维护、工作环境恶劣等原因,风力发电机组齿轮箱极易发生故障,经常在工作过程中造成损坏,从而影响整机的工作性能。据统计,风力发电机组齿轮箱的损坏率高达40%-50%。因此,提高风力发电机组齿轮箱运行的安全性、可靠性,对其工作状况进行实时监测,检测其故障就显得十分重要。然而,获得的风力发电机组齿轮箱的振动信号,由于其计算量大且识别精度不高,如何对这些信号进行分析、处理以便判断故障成为亟待解决的技术难题。
技术实现思路
本专利技术针对上述问题,提出一种深度信念网络的风力发电机齿轮箱故障诊断方法,通过实时监测风力发电机组齿轮箱工作状态并获取振动信号,对采集的风力发电机组齿轮箱的振动信号进行分析处理,并对处理后的信息进行分类整理作为故障诊断的依据。为实现本专利技术的目的,本专利技术通过以下技术方案来实现:一种深度信念网络的风力发电机齿轮箱故障诊断方法,包括以下步骤:(1)采集振动数据:在风力发电机组齿轮箱上安装加速度传感器,在线采集风力发电机组齿轮箱运行过程中的振动信号,并做预处理;(2)提取振动信号特征:对预处理后的采集信号提取时域、频域、时频域特征;(3)振动信号重构分析:a1)利用平移缩放归一化,先将所有 ...
【技术保护点】
一种深度信念网络的风力发电机齿轮箱故障诊断方法,其特征在于,包括以下步骤:(1)采集振动数据:在风力发电机组齿轮箱上安装加速度传感器,在线采集风力发电机组齿轮箱运行过程中的振动信号,并做预处理;(2)提取振动信号特征:对预处理后的采集信号提取时域、频域、时频域特征;(3)振动信号重构分析:a1)利用平移缩放归一化,先将所有数据平移至正数;b1)将正值数据缩放归一;(4)基于深度信念网络的学习过程:a2)将特征数据输入第一层RBM1可视层第一层v1,学习计算得到隐藏层第一层h1和层间连接权值w1;b2)将第一层RBM1的隐藏层h1作为第二层RBM2的第二层可视层v2的输入,学习计算得到第二层隐藏层h2和层间连接权值w2;c)重复上述步骤,将上一层RBM的隐藏层作为下一层可视层的输入,学习计算得到下一层的隐藏层和连接权值,直到所有RBM都学习完毕;d)步骤a2)到c2)称为编码过程,最高层输出的隐藏层称为编码层,将编码层数据反向逐层解码,可得到与原始信号相对应的重构信号;(5)进行故障诊断测试:将10个测点归一化后的原始数据逐一输入深度信念网络中,重复计算30次后取其平均值作为结果,将测试 ...
【技术特征摘要】
1.一种深度信念网络的风力发电机齿轮箱故障诊断方法,其特征在于,包括以下步骤:(1)采集振动数据:在风力发电机组齿轮箱上安装加速度传感器,在线采集风力发电机组齿轮箱运行过程中的振动信号,并做预处理;(2)提取振动信号特征:对预处理后的采集信号提取时域、频域、时频域特征;(3)振动信号重构分析:a1)利用平移缩放归一化,先将所有数据平移至正数;b1)将正值数据缩放归一;(4)基于深度信念网络的学习过程:a2)将特征数据输入第一层RBM1可视层第一层v1,学习计算得到隐藏层第一层h1和层间连接权值w1;b2)将第一层RBM1的隐藏层h1作为第二层RBM2的第二层可视层v2的输入,学习计...
【专利技术属性】
技术研发人员:陈志强,李雪娇,喻其炳,白云,刘杰,姚行艳,陈旭东,王晓丹,
申请(专利权)人:重庆工商大学,
类型:发明
国别省市:重庆,50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。