10.3785/j.issn.1008-973X.2022.06.020
基于小波变换和优化CNN的风电齿轮箱故障诊断
针对传统故障诊断方法过于依赖人为经验的缺陷,提出小波变换和二维密集连接扩张卷积神经网络(WT-ICNN)的风电齿轮箱智能故障诊断方法. 所提方法将一维振动信号通过连续小波变换(WT)转换成二维故障图像;再将二维故障图像输入ICNN中进行训练和测试. 通过齿轮箱开源数据和风场实测数据验证结果表明,与传统故障诊断方法相比,所提方法采用密集连接的结构自适应特征提取时频图,有效加强了故障特征的利用效率;在对风电齿轮箱的故障诊断中,所提方法具有更好的特征复用能力和更高的诊断精度.
风电齿轮箱、小波变换、卷积神经网络、密集连接、扩张卷积
56
TH132;TP183
国家重点研发计划2019YFB2005005
2022-07-07(万方平台首次上网日期,不代表论文的发表时间)
共8页
1212-1219