《机电工程》杂志,月刊( 详细... )

中国标准连续出版物号 ISSN 1001-4551 CN 33-1088/TH
主办单位浙江省机电集团有限公司
浙江大学
主编赵 群
副 主 编唐任仲、罗向阳(执行主编)
总 经 理罗向阳
出 版浙江《机电工程》杂志社有限公司
地 址杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel+86-571-87041360、87239525
E-mailmeem_contribute@163.com
国外发行中国国际图书贸易总公司
订阅全国各地邮局   国外代号M3135
国内发行浙江省报刊发行局
邮发代号32-68
广告发布登记证:杭上市管广发G-001号

在线杂志

当前位置: 机电工程 >>在线杂志

基于多源信息融合的风电机组轴承故障诊断方法

作者:王正奇,谷艳玲,陈长征,等 日期:2023-10-30/span> 浏览:224 查看PDF文档


基于多源信息融合的风电机组轴承故障诊断方法*
王正奇1,谷艳玲1,2*,陈长征1,2,田淼1,孙鲜明3

(1.沈阳工业大学 机械工程学院,辽宁 沈阳 110870;2.辽宁省振动噪声控制工程技术研究中心,
辽宁 沈阳 110870;3.宁波坤博测控科技有限公司,浙江 宁波 315200)


摘要:在风电机组滚动轴承故障诊断中,采用单个传感器所能提供的信息有限,针对这一问题,为了提取输入原始信号的多尺度特征以保证故障信息的有效性和完整性,同时为了提高信息融合的效率及有效性,提出了一种基于多源信息融合注意力机制卷积神经网络(MSIF-ACNN)的风电机组滚动轴承故障诊断方法。首先,提出了一种将普通卷积与空洞卷积相结合的融合卷积方法,对原始时域信号进行了多尺度特征提取;其次,采用双层通道和空间注意力机制方法,对不同通道数据进行了自适应校准与权重分配;对注意力机制输出的多源信息进行了特征融合;最后,为了验证该多源信息融合方法的有效性,采用由全连接层与分类层组成的分类方法,对实际风电机组轴承数据进行了试验验证。试验及研究结果表明:不同位置和方向传感器对不同故障的敏感性存在差异,MSIF-ACNN通过有效地利用这种差异,实现了多源信息特征互补的目的,风电机组滚动轴承故障诊断准确率达到了96.7%,效果优于其他多源信息诊断模型,促进了信息融合在风电机组轴承故障诊断领域的应用。

关键词:风电机组;滚动轴承;多尺度特征提取;故障信息完整性;多源信息融合;注意力机制卷积神经网络

中图分类号:TH133.33;TM315文献标识码:A文章编号:1001-4551(2023)09-1411-08



本文引用格式:

王正奇,谷艳玲,陈长征,等.基于多源信息融合的风电机组轴承故障诊断方法[J].机电工程,2023,40(9):1411-1418.

WANG Zhengqi, GU Yanling, CHEN Changzheng, et al. Wind turbine bearing fault diagnosis method based on multi-source information fusion[J].Journal of Mechanical & Electrical Engineering, 2023,40(9):1411-1418.



友情链接

浙江机械信息网