基于多种小波变换的一维卷积循环神经网络的风电机组轴承故障诊断

摘要：

为解决在复杂工况下风力发电机组轴承故障诊断虚警率高的问题,提出一种端到端的混合深度学习框架——基于多种小波变换的一维卷积循环神经网络.首先,通过多种小波变换得到多个时-频矩阵,以充分提取信号特征;再通过一种扩展的LSTM,对多通道时-频矩阵不同时间步信息进行提取,捕获时-频数据时空特征;最后,通过全局池化层和分类层对故障状态进行分类.实验结果表明:在复杂工况下,多种小波变换的一维卷积循环神经网络对风力发电机组轴承故障识别率能够达到95％以上.

关键词：计量学、滚动轴承、风力发电机组、故障诊断、多种小波变换、一维卷积循环神经网络

所属期刊栏目：42

分类号：TB936;TB973(计量学)

资助基金：国家自然科学基金;中央高校基本科研业务费专项中国民航大学专项;中央高校基本科研业务费专项中国民航大学专项

在线出版日期：2021-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：615-622