风力发电机组发电机前轴承故障预警及辨识
发布时间:2023-07-25 05:23
为实现风电机组发电机前轴承故障预警及辨识,将监控和数据采集系统(SCADA)时间序列数据和状态监测系统振动数据相结合,提出了一种时频域建模方法。首先,利用SCADA数据建立基于门控循环单元神经网络的发电机前轴承温度模型,并计算其温度残差特征;其次,提取发电机前轴承振动信号时域特征和频域特征;最后,将温度残差特征和振动信号时频域特征相融合,建立基于极限梯度提升的前轴承故障辨识模型,从而辨识发电机前轴承正常、内圈损伤、外圈损伤、轴不平衡、滚动体损伤5类情况。实验研究表明,该方法比单独利用振动信号特征开展前轴承故障预警辨识的准确率高,其正常、内圈损伤、外圈损伤的平均辨识准确率从87%、58.5%、65%,分别提升到88.5%、67.5%和74%。
【文章页数】:10 页
【文章目录】:
0 引 言
1 建模方法和思路
2 方法原理及实现
2.1 基于GRU神经网络的发电机前轴承温度模型
1)数据预处理
2)发电机前轴承温度模型
2.2 基于振动信号的时频域分析
1)基于振动信号的时域特征提取
2)基于振动信号的频域特征提取
2.3 基于XGBoost的发电机前轴承故障辨识
3 案例分析及验证
4 结 论
本文编号:3837242
【文章页数】:10 页
【文章目录】:
0 引 言
1 建模方法和思路
2 方法原理及实现
2.1 基于GRU神经网络的发电机前轴承温度模型
1)数据预处理
2)发电机前轴承温度模型
2.2 基于振动信号的时频域分析
1)基于振动信号的时域特征提取
2)基于振动信号的频域特征提取
2.3 基于XGBoost的发电机前轴承故障辨识
3 案例分析及验证
4 结 论
本文编号:3837242
本文链接:https://www.wllwen.com/kejilunwen/dianlilw/3837242.html
教材专著