基于改进VMD和深度置信网络的风机易损部件故障预警

摘要：

考虑到风电机组运行时监测到的轴承、齿轮等易损部件的振动信号早期故障特征微弱且难以提取,提出了基于变分模态分解的风机易损部件故障特征提取方法,并采用深度置信网络对故障进行预警.为克服变分模态分解参数选取对特征提取效果的影响,基于各分量的相关系数确定分解个数,并采用粒子群算法来优化惩罚因子,将改进的变分模态分解用于振动信号进行分析处理;在此基础上,进一步提取各分量的排列熵和均方根值并将其构成的高维特征向量作为深度置信网络的输入,建立早期故障诊断模型;选取风机传动故障诊断实验平台早期故障数据和某风电机组的现场信号进行故障诊断分析.结果 表明,该方法能准确稳定地提取风机易损部件故障信号的微弱特征,并进行故障有效识别,提高了风机易损部件故障预警的准确性.

关键词：变分模态分解、多特征提取(VMD)、深度置信网络(DBN)、故障诊断

所属期刊栏目：38

分类号：TH212;TH213.3(起重机械与运输机械)

资助基金：国家自然科学基金51507098;上海市电站自动化技术重点实验室项目13DZ2273800

在线出版日期：2019-07-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：153-160,179