為實現(xiàn)風電機組發(fā)電機前軸承故障預警及辨識,將監(jiān)控和數(shù)據(jù)采集系統(tǒng)(SCADA)時間序列數(shù)據(jù)和狀態(tài)監(jiān)測系統(tǒng)振動數(shù)據(jù)相結(jié)合,提出了一種時頻域建模方法。首先,利用SCADA數(shù)據(jù)建立基于門控循環(huán)單元神經(jīng)網(wǎng)絡的發(fā)電機前軸承溫度模型,并計算其溫度殘差特征;其次,提取發(fā)電機前軸承振動信號時域特征和頻域特征;最后,將溫度殘差特征和振動信號時頻域特征相融合,建立基于極限梯度提升的前軸承故障辨識模型,從而辨識發(fā)電機前軸承正常、內(nèi)圈損傷、外圈損傷、軸不平衡、滾動體損傷5類情況。實驗研究表明,該方法比單獨利用振動信號特征開展前軸承故障預警辨識的準確率高,其正常、內(nèi)圈損傷、外圈損傷的平均辨識準確率從87%、58.5%、65%,分別提升到88.5%、67.5%和74%。

【文章頁數(shù)】：10 頁

【文章目錄】：
0 引 言
1 建模方法和思路
2 方法原理及實現(xiàn)
    2.1 基于GRU神經(jīng)網(wǎng)絡的發(fā)電機前軸承溫度模型
        1)數(shù)據(jù)預處理
        2)發(fā)電機前軸承溫度模型
    2.2 基于振動信號的時頻域分析
        1)基于振動信號的時域特征提取
        2)基于振動信號的頻域特征提取
    2.3 基于XGBoost的發(fā)電機前軸承故障辨識
3 案例分析及驗證
4 結(jié) 論



本文編號：3837242