基于信息融合的风电机组齿轮箱轴承故障诊断

摘要：

针对风电齿轮箱轴承故障问题,提出一种基于信息融合将BP神经网络与D-S证据理论相结合的风电轴承故障诊断方法.首先基于大数据,挖掘SCADA(supervisory control and data acquisition)系统中与风电齿轮箱轴承故障有关的振动、温度、电流、转矩和转速信号等故障特征;然后将各信号故障特征量作为神经网络输入,将神经网络的输出归一化作为证据理论基本概率分配值(BPA值),为解决各证据之间冲突问题,采用一种基于加权的方法来改进各条证据,以减小冲突;最后利用组合规则将各条改进的证据融合,得出最终诊断结果.研究基于某风场2 MW风电机组的实际运行数据,结果表明:随着融合信号维度的增加,最终诊断结果的准确率也逐步提高,融合多维信号的可靠性明显高于单一信号.

关键词：信息融合、BP神经网络、改进的D-S证据理论、风电齿轮箱轴承、故障诊断

所属期刊栏目：43

分类号：TM315(电机)

资助基金：国家重点研发计划资助项目;中央高校基本科研业务费;重庆市科委资助项目

在线出版日期：2020-09-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：11-22