基于WKCNN的风电机组轴承声信号故障诊断研究

本文针对传统基于特征提取和分类相结合的诊断方法诊断不及时且诊断准确度不足的问题，提出了一种基于宽卷积核卷积神经网络（the convolutional neural network with wide convolution kernels,WKCNN）的风电机组轴承声信号故障诊断方法。该方法由数据增强、宽卷积池化结构、批量归一化组成，首先利用重叠采样的方法对声信号进行数据增强，再利用宽卷积核结构提取声信号的深度特征，利用批量归一化防止模型过拟合，最后由全连接层输出诊断结果。为了证明本方法的有效性，将本方法与传统方法进行对比，结果表明，利用本方法的训练时间短，且风电机组轴承的故障诊断精度最高。