《机电工程》杂志社科技期刊核心期刊论文投稿机电一体化机械、仪表电工自动化、计算机浙江大学主办

《机电工程》杂志，月刊( 详细... )

中国标准连续出版物号： ISSN 1001-4551 CN 33-1088/TH
主办单位：浙江省机电集团有限公司
浙江大学
主编：陈晓
副主编：唐任仲、罗向阳(执行主编)
总经理：罗向阳
出版：浙江《机电工程》杂志社有限公司
地址：杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel：+86-571-87041360、87239525
E-mail：meem_contribute@163.com
国外发行：中国国际图书贸易总公司
订阅：全国各地邮局 国外代号：M3135
国内发行：浙江省报刊发行局
邮发代号：32-68
广告发布登记证：杭上市管广发G-001号

在线杂志	当前位置：机电工程 >>在线杂志

基于S-CBiGRU的风电机组滚动轴承故障诊断方法

作者：史宗辉,陈长征,田淼，等. 日期：2023-04-20/span> 浏览：511 查看PDF文档

基于S-CBiGRU的风电机组滚动

轴承故障诊断方法*

史宗辉1,陈长征1,2*,田淼1,安文杰1,孙鲜明3

(1.沈阳工业大学机械工程学院,辽宁沈阳 110870;2.振动噪声控制工程技术研究中心,

辽宁沈阳 110870;3.宁波坤博测控科技有限公司,浙江宁波 315200)

摘要:风电机组滚动轴承的振动信号存在非线性、非平稳的特性,且其特征不易被提取,针对这一问题,提出了一种基于S变换、卷积神经网络、双向门控循环单元的滚动轴承故障诊断方法(即基于S-CBiGRU的诊断方法)。首先,利用S变换对风场采集的振动信号进行了多分辨率时频分析,将一维振动信号转化为包含时间与空间特征信息的二维时频图像;然后,将经S变化所得到的时频图输入到CBiGRU网络模型中,采用CNN卷积池化层提取了振动信号的空间特征;其次,采用BiGRU结构提取了振动信号中的时间序列特征;最后,为了对上述诊断方法的有效性进行验证,采集了风电机组轴承实验数据,并将其输入到该模型中进行诊断实验。实验结果表明:在风电机组轴承故障诊断中,采用SCBiGRU方法准确率达到93.17%,分类效果优于其他深度学习算法。研究结果表明:S-CBiGRU故障诊断方法具有可行性,可以为风电机组滚动轴承的故障诊断提供一种新途径。

关键词:时频分析;空间特征;时间序列特征;S变换;卷积神经网络;双向门控循环单元

中图分类号:TH133.33;TM315文献标识码:A文章编号:1001-4551(2023)02-0232-07

史宗辉,陈长征,田淼，等.基于S-CBiGRU的风电机组滚动轴承故障诊断方法[J].机电工程，2023,40（2）：232-238.

SHI Zong-hui, CHEN Chang-zheng, TIAN Miao,et al. Fault diagnosis method of wind turbine rolling bearing based on S-CBiGRU[J].Journal of Mechanical & Electrical Engineering,2023,40（2）：232-238.