基于多源信息融合的风电机组轴承故障诊断方法

在风电机组滚动轴承故障诊断中，采用单个传感器所能提供的信息有限，针对这一问题，为了提取输入原始信号的多尺度特征以保证故障信息的有效性和完整性，同时为了提高信息融合的效率及有效性，提出了一种基于多源信息融合注意力机制卷积神经网络(MSIF-ACNN)的风电机组滚动轴承故障诊断方法。首先，提出了一种将普通卷积与空洞卷积相结合的融合卷积方法，对原始时域信号进行了多尺度特征提取；其次，采用双层通道和空间注意力机制方法，对不同通道数据进行了自适应校准与权重分配；对注意力机制输出的多源信息进行了特征融合；最后，为了验证该多源信息融合方法的有效性，采用由全连接层与分类层组成的分类方法，对实际风电机组轴承数据进行了试验验证。试验及研究结果表明：不同位置和方向传感器对不同故障的敏感性存在差异，MSIF-ACNN通过有效地利用这种差异，实现了多源信息特征互补的目的，风电机组滚动轴承故障诊断准确率达到了96.7%,效果优于其他多源信息诊断模型，促进了信息融合在风电机组轴承故障诊断领域的应用。