公开(公告)号：CN117760734A

公开(公告)日：2024-03-26

申请号：CN202311817838.5

申请日：2023-12-27

Applicant: 东北电力大学

Inventor： 张艾萍 ,  马庚 ,  刘洪伟 ,  胡光宗 ,  王立冬

IPC: G01M13/045 ,  F03D17/00 ,  G06F18/214 ,  G06F18/2433 ,  G06F18/10 ,  G06F18/213

Abstract: 本发明公开了一种风力发电机组齿轮箱轴承故障诊断方法及系统，方法包括：获取风力发电机组SCADA数据与齿轮箱振动数据，并对数据进行预处理；通过RFE‑CV对预处理后的SCADA数据进行特征筛选；基于模型级融合策略与多层卷积神经网络‑长短时记忆网络构建故障诊断模型；将筛选后的SCADA数据和预处理后的齿轮箱振动数据输入所述故障诊断模型中，完成特征提取和特征融合，使用融合特征训练故障诊断模型；利用训练好的故障诊断模型对风力发电机组齿轮箱轴承进行故障诊断。本发明可有效提升对风力发电机组齿轮箱轴承故障诊断的效率和准确率，有利于及时发现风力发电机组齿轮箱轴承故障，有助于风力发电机组的长期稳定运行。

公开(公告)号：CN117760735A

公开(公告)日：2024-03-26

申请号：CN202311819532.3

申请日：2023-12-27

Applicant: 东北电力大学

Inventor： 张艾萍 ,  马庚 ,  胡光宗 ,  王立冬 ,  刘洪伟

IPC: G01M13/045 ,  F03D17/00 ,  G06F18/213 ,  G06F18/214 ,  G06F18/10 ,  G06F18/2433

Abstract: 本发明公开了一种基于数字孪生的风力发电机组轴承故障诊断方法，包括如下步骤：S1、构建风力发电机组轴承的数字孪生模型；S2、采用数字孪生模型，生成风力发电机组轴承的历史故障孪生振动数据；S3、基于历史故障孪生振动数据，对数字孪生模型进行调整；S4、通过调整后的数字孪生模型，生成风力发电机组轴承的早期故障孪生振动数据；并对早期故障孪生振动数据进行预处理；S5、通过预处理后的早期故障孪生振动数据，训练生成故障诊断模型；S6、使用训练好的故障诊断模型，对待诊断的风力发电机组轴承进行故障诊断。该方法提升了模型训练效率，实现了对风力发电机组轴承早期故障的精准诊断。