收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于1D-CNN-LSTM混合神经网络模型的风电机组行星齿轮箱故障诊断

黎阳羊  胡金磊  赖俊驹  王伟  赵阳  杨帆  
【摘要】:风力发电机组行星齿轮箱振动信号是一种非线性非平稳的复杂信号,传统的故障诊断方法面对此类信号时,能够很好处理的范围有限。为提高在强外界干扰条件下故障智能识别的准确率,提出了一种基于一维卷积神经网络(1D-CNN)和长短期记忆网络(LSTM)混合模型的故障智能诊断方法。首先利用自参考自适应噪声消除技术(SANC)将齿轮箱振动信号分离为周期性信号分量成分和随机信号分量成分,再对包含齿轮箱故障特征的周期性信号成分进行智能特征提取和识别。经验证,所提方法较其他不同方法有明显优势,故障识别率达到99.85%,说明能有效抑制干扰信号,提高故障识别的准确率。

知网文化
【相似文献】
中国期刊全文数据库 前14条
1 杨培盛;付宇;李鸿飞;初开麒;王梦谦;李政达;;基于CNN-LSTM的支撑电容容值软测量[J];电子技术应用;2021年09期
2 刘月峰;杨宇慧;;基于CNN-LSTM的短期电力负荷预测研究[J];科技创新与应用;2020年01期
3 魏健;赵红涛;刘敦楠;加鹤萍;王宣元;张浩;刘蓁;;基于注意力机制的CNN-LSTM短期电力负荷预测方法[J];华北电力大学学报(自然科学版);2021年01期
4 程起泽;陈泽华;张雲钦;蒋文杰;刘晓峰;沈亮;;基于CNN-LSTM的太阳能光伏组件故障诊断研究[J];电子技术应用;2020年04期
5 姚明镜;唐璇;吕昂;;基于改进卷积神经网络的行星齿轮箱故障诊断研究[J];制造技术与机床;2021年07期
6 花广如;李文浩;郭阳阳;;基于神经网络模型的海南变电站接地网Q235钢腐蚀率预测[J];腐蚀与防护;2017年08期
7 胡克用;李云龙;江霞;李静;胡则辉;;改进神经网络模型在光伏发电预测中的应用[J];计算机系统应用;2019年12期
8 罗建,李亚军,徐国禹,高家志,龙小平,王官洁;基于神经网络模型的母线保护[J];电力系统自动化;2002年11期
9 詹红霞,王秋红;基于神经网络模型的母线保护的探讨[J];重庆电力高等专科学校学报;2005年01期
10 胡铁松;周彦辰;王先甲;;有一定物理基础的核素浓度预测神经网络模型[J];系统工程理论与实践;2016年01期
11 董秀成;韩涵;;基于神经网络模型的母线保护故障定位研究[J];西华大学学报(自然科学版);2009年01期
12 雷捷;;电力系统暂态稳定计算中发电机神经网络模型的应用[J];企业技术开发;2017年10期
13 陈积东;;风力发电机的齿轮箱故障诊断技术[J];集成电路应用;2021年02期
14 韩露;史贤俊;林云;;航空锂电池寿命预测方法研究[J];电子测量技术;2021年01期
中国重要会议论文全文数据库 前5条
1 王金铎;朱爱九;;基于BP神经网络模型的三相异步电动机故障诊断研究[A];第十八届沈阳科学学术年会论文集[C];2021年
2 禹建丽;苏中义;杨卫平;;牵引传动中润滑油牵引系数的神经网络模型[A];2005年中国智能自动化会议论文集[C];2005年
3 王星达;何林峰;徐小力;;基于回声状态神经网络风电齿轮箱故障诊断方法[A];2016年全国设备监测诊断与维护学术会议暨第十五届全国设备故障诊断学术会议、第十七届全国设备监测与诊断学术会议、2016年全国设备诊断工程会议论文集[C];2016年
4 安佰京;翟勇;赵俊;李海斌;侯玉亭;;基于KPCA-RVM的风电机组齿轮箱故障诊断[A];2017智能电网新技术发展与应用研讨会论文集[C];2017年
5 侯永平;方学;舒文娇;庄寅;;基于遗传算法优化的燃料电池神经网络模型[A];2010中国汽车工程学会年会论文集[C];2010年
中国博士学位论文全文数据库 前2条
1 周彦辰;事故条件下放射性废液污染预测的机理性神经网络模型研究[D];武汉大学;2015年
2 赵明航;基于深度残差学习的风电齿轮箱故障诊断[D];重庆大学;2018年
中国硕士学位论文全文数据库 前16条
1 崔力慧;基于支持向量机的风力涡轮行星齿轮箱故障诊断方法[D];山东科技大学;2019年
2 韩德鹏;基于SCADA运行数据的风电机组健康状况评价[D];华北电力大学;2019年
3 李洁;基于改进神经网络模型的可再生能源预测方法研究[D];国防科学技术大学;2016年
4 王义东;基于人工免疫和证据理论集成方法的风电齿轮箱故障诊断的研究[D];上海电机学院;2019年
5 熊学嫣;基于共振分量融合卷积神经网络的风电齿轮箱故障诊断[D];重庆大学;2018年
6 朱正祥;风电机齿轮箱故障诊断方法和系统研究[D];湖南大学;2017年
7 刘周群;基于信息融合的风电机组齿轮箱故障诊断技术[D];上海电机学院;2018年
8 黄梦君;基于同步压缩小波的风电齿轮箱故障诊断[D];燕山大学;2017年
9 刘军科;基于支持向量机的风机齿轮箱故障诊断的研究[D];上海电机学院;2020年
10 朱俊;基于改进集成学习算法的风机齿轮箱故障诊断与状态监测研究[D];上海电机学院;2017年
11 边家豪;基于注意力机制与粒子群算法优化的CNN-LSTM的异常用电检测方法研究[D];陕西理工大学;2021年
12 彭安群;基于数据挖掘的风力发电机组齿轮箱故障诊断系统研究[D];兰州理工大学;2012年
13 熊云;光伏出力预测方法的研究[D];南昌大学;2016年
14 刘晨歌;一种新的短期电力负荷预测方法[D];华北电力大学(北京);2010年
15 潘铭哲;基于DSP的远程风电齿轮箱故障诊断系统软件设计[D];中北大学;2015年
16 李艳玲;基于神经网络的电力系统负荷预测问题研究[D];沈阳工业大学;2014年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978