本文選題：風(fēng)電機(jī)組齒輪箱 + 深度信念網(wǎng)絡(luò)��； 參考：《可再生能源》2017年12期

【摘要】：針對(duì)風(fēng)電機(jī)組故障診斷中存在的數(shù)據(jù)量大,提取故障特征困難等問(wèn)題,結(jié)合深度學(xué)習(xí)理論的強(qiáng)大感知與自我學(xué)習(xí)能力,提出一種基于深度信念網(wǎng)絡(luò)的風(fēng)電機(jī)組齒輪箱故障診斷方法。將原始時(shí)域信號(hào)數(shù)據(jù)輸入深度信念網(wǎng)絡(luò)進(jìn)行訓(xùn)練,通過(guò)反向微調(diào)學(xué)習(xí)對(duì)深度信念網(wǎng)絡(luò)進(jìn)行整體微調(diào),提高分類(lèi)準(zhǔn)確性;同時(shí),在訓(xùn)練過(guò)程加入Batch Normalization,減少過(guò)擬合幾率,提高網(wǎng)絡(luò)的收斂速度。將該方法用于風(fēng)電機(jī)組行星齒輪箱的故障診斷,比DBN和BPNN算法及傳統(tǒng)故障診斷方法的準(zhǔn)確率更高。
[Abstract]:In view of the problems existing in fault diagnosis of wind turbine, such as the large amount of data and the difficulty of extracting fault features, combined with the powerful perception and self-learning ability of depth learning theory,A fault diagnosis method for wind turbine gearbox based on depth belief network is proposed.The original time-domain signal data is input into the depth belief network for training, and the whole depth belief network is fine-tuned through reverse fine-tuning learning to improve the classification accuracy. At the same time, Batch normalization is added in the training process to reduce the probability of over-fitting.Improve the convergence speed of the network.This method is more accurate than DBN and BPNN algorithms and traditional fault diagnosis methods in fault diagnosis of planetary gearbox of wind turbine.
【作者單位】： 北京信息科技大學(xué)現(xiàn)代測(cè)控技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(51275052) 國(guó)家高技術(shù)發(fā)展研究計(jì)劃項(xiàng)目(2015AA043702) 北京市教委科研計(jì)劃項(xiàng)目(KM201611232020)
【分類(lèi)號(hào)】：TM315

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 唐新安;謝志明;王哲;吳金強(qiáng);;風(fēng)力機(jī)齒輪箱故障診斷[J];噪聲與振動(dòng)控制;2007年01期

2 劉迎;董興輝;李元源;趙玉偉;;KPCA法在風(fēng)電機(jī)組齒輪箱故障診斷中的應(yīng)用[J];機(jī)械工程與自動(dòng)化;2012年05期

3 呂躍剛;趙倩男;劉俊承;;基于LabVIEW的倒頻譜與包絡(luò)譜分析在風(fēng)電機(jī)組齒輪箱故障診斷中的應(yīng)用[J];化工自動(dòng)化及儀表;2013年07期

4 張金敏;翟玉千;王思明;;小波分解和最小二乘支持向量機(jī)的風(fēng)機(jī)齒輪箱故障診斷[J];傳感器與微系統(tǒng);2011年01期

5 尹玉萍;劉萬(wàn)軍;;基于AC-DE算法的風(fēng)電機(jī)組齒輪箱故障診斷方法[J];計(jì)算機(jī)工程與應(yīng)用;2014年13期

6 王學(xué)志;王立東;李娟霞;;廣義數(shù)學(xué)形態(tài)濾波器在風(fēng)電機(jī)齒輪箱故障診斷中的應(yīng)用[J];水力發(fā)電;2011年02期

7 王龍;沈艷霞;季凌燕;;基于小波降噪和EMD方法的風(fēng)力發(fā)電系統(tǒng)齒輪箱故障診斷[J];江南大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年02期

8 辛衛(wèi)東;馬志勇;滕偉;何纓;柳亦兵;;振動(dòng)監(jiān)測(cè)技術(shù)在風(fēng)電機(jī)組齒輪箱故障診斷中的應(yīng)用[J];中國(guó)電力;2012年05期

9 麻東東;李連友;田松峰;;基于Lab VIEW的小波理論在風(fēng)力機(jī)齒輪箱故障診斷中的應(yīng)用[J];節(jié)能;2011年10期

10 龍泉;劉永前;楊勇平;;基于粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的風(fēng)電機(jī)組齒輪箱故障診斷方法[J];太陽(yáng)能學(xué)報(bào);2012年01期

相關(guān)博士學(xué)位論文 前4條

1 牟澎濤;高滲透率風(fēng)電接入對(duì)系統(tǒng)穩(wěn)定特性的影響[D];華北電力大學(xué)(北京);2017年

2 周峰;基于動(dòng)力學(xué)耦合的風(fēng)電機(jī)組載荷控制[D];華北電力大學(xué)(北京);2017年

3 榮爽;促進(jìn)供暖期風(fēng)電消納的多熱源容量規(guī)劃與協(xié)調(diào)調(diào)度策略[D];哈爾濱工業(yè)大學(xué);2016年

4 王揚(yáng);基于機(jī)會(huì)約束目標(biāo)規(guī)劃的含風(fēng)電電力系統(tǒng)優(yōu)化調(diào)度研究[D];華北電力大學(xué)(北京);2017年

相關(guān)碩士學(xué)位論文 前7條

1 盧昆鵬;基于DSP-SVM的風(fēng)電齒輪箱故障診斷系統(tǒng)[D];中北大學(xué);2016年

2 馬凌芝;基于DSP和TQWT稀疏分解的風(fēng)電齒輪箱故障診斷系統(tǒng)[D];中北大學(xué);2016年

3 劉迎;基于SVM風(fēng)電機(jī)組齒輪箱故障診斷系統(tǒng)研究[D];華北電力大學(xué);2013年

4 潘銘哲;基于DSP的遠(yuǎn)程風(fēng)電齒輪箱故障診斷系統(tǒng)軟件設(shè)計(jì)[D];中北大學(xué);2015年

5 徐志翔;基于改進(jìn)PSO和參數(shù)優(yōu)化的LSSVM的風(fēng)力發(fā)電機(jī)齒輪箱故障診斷[D];華東理工大學(xué);2012年

6 王龍;基于數(shù)據(jù)驅(qū)動(dòng)的風(fēng)力發(fā)電系統(tǒng)齒輪箱故障診斷策略研究[D];江南大學(xué);2013年

7 周文磊;基于改進(jìn)EEMD的風(fēng)電機(jī)組行星齒輪箱故障診斷研究[D];上海電力學(xué)院;2017年

，

本文編號(hào)：1759592