基于S-CBiGRU的风电机组滚动轴承故障诊断方法

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。