基于改进卷积神经网络的风电轴承故障诊断策略

针对风电机组滚动轴承故障特征微弱、提取困难、诊断效率低下等问题,提出一种基于改进卷积神经网络(Convolution Neural Network,CNN)的故障诊断算法.改进CNN模型结构,在全连接层前增加新的卷积层,挖掘信号的深层特征以提高模型的泛化能力.对卷积层数据进行批归一化处理,采用带有动量的随机梯度下降训练算法来加速训练速度.详细介绍了改进CNN的工作原理,给出了采用改进CNN进行故障诊断的流程.最后利用凯斯西储大学滚动轴承数据库的数据进行验证.证明该方法不需要预先提取信号的故障特征,可直接实现对轴承的故障特征提取以及故障识别,诊断率高....

Full description

Saved in:
Bibliographic Details
Published in电力系统保护与控制 Vol. 49; no. 6; pp. 131 - 137
Main Authors 常淼, 沈艳霞
Format Journal Article
LanguageChinese
Published 江南大学物联网技术应用教育部工程研究中心,江苏 无锡 214122 16.03.2021
Subjects
滚动轴承
齿轮箱
卷积神经网络
风电
故障诊断
深度学习
Online AccessGet full text
ISSN1674-3415
DOI10.19783/j.cnki.pspc.200585

Cover

More Information
Summary:针对风电机组滚动轴承故障特征微弱、提取困难、诊断效率低下等问题,提出一种基于改进卷积神经网络(Convolution Neural Network,CNN)的故障诊断算法.改进CNN模型结构,在全连接层前增加新的卷积层,挖掘信号的深层特征以提高模型的泛化能力.对卷积层数据进行批归一化处理,采用带有动量的随机梯度下降训练算法来加速训练速度.详细介绍了改进CNN的工作原理,给出了采用改进CNN进行故障诊断的流程.最后利用凯斯西储大学滚动轴承数据库的数据进行验证.证明该方法不需要预先提取信号的故障特征,可直接实现对轴承的故障特征提取以及故障识别,诊断率高.
ISSN:1674-3415
DOI:10.19783/j.cnki.pspc.200585