基于迁移学习的风电机组轴承故障诊断研究 |
| |
引用本文: | 安文杰,陈长征,田淼,苏晓明,孙鲜明,谷艳玲.基于迁移学习的风电机组轴承故障诊断研究[J].太阳能学报,2023(6):367-373. |
| |
作者姓名: | 安文杰 陈长征 田淼 苏晓明 孙鲜明 谷艳玲 |
| |
作者单位: | 1. 沈阳工业大学机械工程学院;2. 辽宁省振动噪声控制工程技术研究中心 |
| |
摘 要: | 针对风电机组运行工况复杂,实际采集的振动信号存在分布差异,导致故障诊断模型的分类效果偏低问题,提出一种具有多核领域适应(MKDA)的多尺度卷积神经网络(MSCNN)风电机组轴承故障诊断研究方法(MKDA-MSCNN)。该方法通过迁移理论将已知风电机组知识迁移至目标风电机组实现故障诊断。首先,利用源域数据预训练MSCNN网络,再利用多核领域适应减小源域和目标域分布差异,最终获得目标风电机组故障诊断模型。试验结果表明,该文提出的MKDA-MSCNN方法在实际风电机组轴承故障诊断中分类精度高达96.17%,对比结果表明该文所提方法的故障分类准确度优于其他深度学习和深度迁移学习方法,对迁移学习理论在实际工程风电机组轴承故障诊断中的研究具有一定价值。
|
关 键 词: | 风电机组 故障诊断 滚动轴承 卷积神经网络 迁移学习 |
|
|