风电机组发电机前轴承健康度预测方法及实现

摘要：

针对双馈式风电机组发电机前轴承劣化趋势问题,提出了一种新的组合建模方法对发电机前轴承健康度进行趋势预测.采用高斯混合模型(Gaussian Mixture Model,GMM)对机组运行工况进行辨识,并在各个子工况内分别建立基于极限学习机(Extreme Learning Machine,ELM)的发电机前轴承温度模型,将温度残差特征与前轴承振动信号时频域特征相融合,并计算前轴承健康度,提出基于注意力机制的双向长短期记忆(Bi-directional Long Short Term Memory,Bi-LSTM)神经网络对前轴承健康度进行建模并预测其趋势.实验结果表明:该组合建模方法具有较高的准确度和泛化能力.

关键词：风电机组、发电机前轴承、注意力机制、双向长短期记忆、健康度

所属期刊栏目：33

分类号：TK83;TP391.9(风能、风力机械)

资助基金：国家重点研发计划;国家自然科学基金

在线出版日期：2021-07-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1323-1333