融合振动数据和SCADA数据的风电机组齿轮箱故障预警方法

风电机组齿轮箱将机械能高速传输到发电机中，同时承受重载、制动器的瞬态脉冲和灰尘腐蚀，是风电机组中最易发生故障的部件之一。开发高效、准确的风电机组齿轮箱状态监测和故障识别方法可避免严重的齿轮箱故障，减少其造成的停机损失。提出了一种融合振动数据和SCADA系统数据的风电机组齿轮箱故障预警方法，该方法基于深度自编码器模型和统计过程控制图，首先将有限的振动数据通过小波变换和卷积神经网络转化为向量，和SCADA数据进行拼接，利用所有数据完成自编码器的预训练；随后改变预警模型输入，只接收SCADA数据，完成模型的后调优；然后根据自编码器模型的重建差，利用统计过程控制图预警可能发生的齿轮箱故障。基于真实的风电机组数据，该方法有效甄别潜在齿轮箱故障，并且性能优于对比方法，具有工业应用价值。