基于改进卷积神经网络的风电轴承故障诊断策略

摘要：

针对风电机组滚动轴承故障特征微弱、提取困难、诊断效率低下等问题,提出一种基于改进卷积神经网络(Convolution Neural Network,CNN)的故障诊断算法.改进CNN模型结构,在全连接层前增加新的卷积层,挖掘信号的深层特征以提高模型的泛化能力.对卷积层数据进行批归一化处理,采用带有动量的随机梯度下降训练算法来加速训练速度.详细介绍了改进CNN的工作原理,给出了采用改进CNN进行故障诊断的流程.最后利用凯斯西储大学滚动轴承数据库的数据进行验证.证明该方法不需要预先提取信号的故障特征,可直接实现对轴承的故障特征提取以及故障识别,诊断率高.

关键词：卷积神经网络、深度学习、风电、滚动轴承、故障诊断、齿轮箱

所属期刊栏目：49

资助基金：国家自然科学基金项目资助;中央高校基本科研业务费专项资金资助

在线出版日期：2021-04-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：131-137