發(fā)布時間：2018-04-16 15:38

  本文選題：風電機組齒輪箱 + 深度信念網(wǎng)絡��； 參考：《可再生能源》2017年12期

【摘要】：針對風電機組故障診斷中存在的數(shù)據(jù)量大,提取故障特征困難等問題,結(jié)合深度學習理論的強大感知與自我學習能力,提出一種基于深度信念網(wǎng)絡的風電機組齒輪箱故障診斷方法。將原始時域信號數(shù)據(jù)輸入深度信念網(wǎng)絡進行訓練,通過反向微調(diào)學習對深度信念網(wǎng)絡進行整體微調(diào),提高分類準確性;同時,在訓練過程加入Batch Normalization,減少過擬合幾率,提高網(wǎng)絡的收斂速度。將該方法用于風電機組行星齒輪箱的故障診斷,比DBN和BPNN算法及傳統(tǒng)故障診斷方法的準確率更高。
[Abstract]:In view of the problems existing in fault diagnosis of wind turbine, such as the large amount of data and the difficulty of extracting fault features, combined with the powerful perception and self-learning ability of depth learning theory,A fault diagnosis method for wind turbine gearbox based on depth belief network is proposed.The original time-domain signal data is input into the depth belief network for training, and the whole depth belief network is fine-tuned through reverse fine-tuning learning to improve the classification accuracy. At the same time, Batch normalization is added in the training process to reduce the probability of over-fitting.Improve the convergence speed of the network.This method is more accurate than DBN and BPNN algorithms and traditional fault diagnosis methods in fault diagnosis of planetary gearbox of wind turbine.
【作者單位】： 北京信息科技大學現(xiàn)代測控技術(shù)教育部重點實驗室;
【基金】：國家自然科學基金項目(51275052) 國家高技術(shù)發(fā)展研究計劃項目(2015AA043702) 北京市教委科研計劃項目(KM201611232020)
【分類號】：TM315

【相似文獻】

相關期刊論文 前10條

1 唐新安;謝志明;王哲;吳金強;;風力機齒輪箱故障診斷[J];噪聲與振動控制;2007年01期

2 劉迎;董興輝;李元源;趙玉偉;;KPCA法在風電機組齒輪箱故障診斷中的應用[J];機械工程與自動化;2012年05期

3 呂躍剛;趙倩男;劉俊承;;基于LabVIEW的倒頻譜與包絡譜分析在風電機組齒輪箱故障診斷中的應用[J];化工自動化及儀表;2013年07期

4 張金敏;翟玉千;王思明;;小波分解和最小二乘支持向量機的風機齒輪箱故障診斷[J];傳感器與微系統(tǒng);2011年01期

5 尹玉萍;劉萬軍;;基于AC-DE算法的風電機組齒輪箱故障診斷方法[J];計算機工程與應用;2014年13期

6 王學志;王立東;李娟霞;;廣義數(shù)學形態(tài)濾波器在風電機齒輪箱故障診斷中的應用[J];水力發(fā)電;2011年02期

7 王龍;沈艷霞;季凌燕;;基于小波降噪和EMD方法的風力發(fā)電系統(tǒng)齒輪箱故障診斷[J];江南大學學報(自然科學版);2012年02期

8 辛衛(wèi)東;馬志勇;滕偉;何纓;柳亦兵;;振動監(jiān)測技術(shù)在風電機組齒輪箱故障診斷中的應用[J];中國電力;2012年05期

9 麻東東;李連友;田松峰;;基于Lab VIEW的小波理論在風力機齒輪箱故障診斷中的應用[J];節(jié)能;2011年10期

10 龍泉;劉永前;楊勇平;;基于粒子群優(yōu)化BP神經(jīng)網(wǎng)絡的風電機組齒輪箱故障診斷方法[J];太陽能學報;2012年01期

相關博士學位論文 前4條

1 牟澎濤;高滲透率風電接入對系統(tǒng)穩(wěn)定特性的影響[D];華北電力大學(北京);2017年

2 周峰;基于動力學耦合的風電機組載荷控制[D];華北電力大學(北京);2017年

3 榮爽;促進供暖期風電消納的多熱源容量規(guī)劃與協(xié)調(diào)調(diào)度策略[D];哈爾濱工業(yè)大學;2016年

4 王揚;基于機會約束目標規(guī)劃的含風電電力系統(tǒng)優(yōu)化調(diào)度研究[D];華北電力大學(北京);2017年

相關碩士學位論文 前7條

1 盧昆鵬;基于DSP-SVM的風電齒輪箱故障診斷系統(tǒng)[D];中北大學;2016年

2 馬凌芝;基于DSP和TQWT稀疏分解的風電齒輪箱故障診斷系統(tǒng)[D];中北大學;2016年

3 劉迎;基于SVM風電機組齒輪箱故障診斷系統(tǒng)研究[D];華北電力大學;2013年

4 潘銘哲;基于DSP的遠程風電齒輪箱故障診斷系統(tǒng)軟件設計[D];中北大學;2015年

5 徐志翔;基于改進PSO和參數(shù)優(yōu)化的LSSVM的風力發(fā)電機齒輪箱故障診斷[D];華東理工大學;2012年

6 王龍;基于數(shù)據(jù)驅(qū)動的風力發(fā)電系統(tǒng)齒輪箱故障診斷策略研究[D];江南大學;2013年

7 周文磊;基于改進EEMD的風電機組行星齒輪箱故障診斷研究[D];上海電力學院;2017年

，

本文編號：1759592