仪器仪表学报

作者：尹诗1

单位：尹诗1,2，侯国莲1，胡晓东1，周继威2，弓林娟1 .txt,（1?华北电力大学控制与计算机工程学院北京102206；2?中能电力科技开发有限公司北京100034） .txt,

关键词：关键词：风电机组;发电机前轴承;故障辨识;特征提取;时频域建模.txt

基金：*基金项目：国家自然科学基金(61973116)项目资助 .txt

摘要：为实现风电机组发电机前轴承故障预警及辨识，将监控和数据采集系统(SCADA)时间序列数据和状态监测系统振动数据相结合，提出了一种时频域建模方法。首先，利用SCADA数据建立基于门控循环单元神经网络的发电机前轴承温度模型，并计算其温度残差特征；其次，提取发电机前轴承振动信号时域特征和频域特征；最后，将温度残差特征和振动信号时频域特征相融合，建立基于极限梯度提升的前轴承故障辨识模型，从而辨识发电机前轴承正常、内圈损伤、外圈损伤、轴不平衡、滚动体损伤5类情况。实验研究表明，该方法比单独利用振动信号特征开展前轴承故障预警辨识的准确率高，其正常、内圈损伤、外圈损伤的平均辨识准确率从87%、58?5%、65%，分别提升到88?5%、67?5%和74%。.txt

来源：2020年第5期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2020年第5期