典型文献
基于改进降噪自编码器的风机轴承故障诊断方法
文献摘要：
滚动轴承是风电机组中故障最为频繁的部件之一,准确有效的轴承故障诊断方法有助于保障风电机组安全稳定运行.针对轴承振动信号特征微弱、难以诊断的问题,提出了一种基于改进降噪自编码器的风电机组轴承故障检测方法.首先引入了一维信号的图像化预处理,将原始的时域信号转化为二维特征灰度图.然后利用卷积神经网络在图像特征提取上的强大优势,构建了堆叠降噪自编码器与卷积神经网络的集成模型,去除了传统卷积神经网络中的池化层,进一步提升提取特征的鲁棒性和泛化性.整体诊断流程由数据驱动,减少了对于经验的依赖.最后的实验结果表明,该方法能够精确诊断不同类型的轴承故障.此外,通过与其他方法的对比实验进一步验证了该方法在故障诊断方面的优越性.
文献关键词：
风电机组;轴承;故障诊断;降噪自编码器
中图分类号：
作者姓名：
宋威;林建维;周方泽;李召岩;赵凯;周晖
作者机构：
国投电力控股股份有限公司,北京 100034;北京交通大学电气工程学院,北京 100044
文献出处：
引用格式：
[1]宋威;林建维;周方泽;李召岩;赵凯;周晖-.基于改进降噪自编码器的风机轴承故障诊断方法)[J].电力系统保护与控制,2022(10):61-68
A类：
B类：
风机轴承,轴承故障诊断,故障诊断方法,滚动轴承,确有,机组安全,安全稳定运行,轴承振动,振动信号,信号特征,微弱,风电机组轴承,故障检测方法,图像化,时域信号,维特,灰度图,图像特征提取,强大优势,堆叠降噪自编码器,集成模型,池化,提取特征,泛化性,诊断流程,精确诊断,其他方法
AB值：
0.237888
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
