10.19335/j.cnki.2095-6649.2019.04.002
数据驱动的风机齿轮箱油路系统故障诊断方法
在实际生产中由于齿轮箱油路系统性能衰退使得风机在夏季较大负荷下极易导致油池温度过高而降负荷运行甚至停机情况的发生.为了评估风电机组油路系统状况,提出一种深度卷积神经网络多模态回归算法,并将一种新的初始化方式结合到网络中,以克服标准初始化残差网络梯度爆炸的问题.通过构建齿轮箱油池温度的健康状态模型,然后根据实时风机运行工况计算模型的预测值并与实际进行对比,进而可进行故障诊断.以山东某风场华锐SL1500风机的齿轮箱油池温度为例,进行试验分析.结果表明:所提方法可以通过相关因素预测齿轮箱油池温度趋势,并根据运行数据与预测值的比较中发现潜在故障.
风力发电机组、深度卷积网络、多模态回归算法、故障诊断
9
TM315(电机)
2019-06-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
6-11