欧美日操-欧美日韩91-欧美日韩99-欧美日韩ay在线观看-xxxx色-xxxx视频在线

基于深度自編碼網(wǎng)絡(luò)模型的風電機組齒輪箱故障檢測

2017-12-06 16:01:13 來源:《電工技術(shù)學報》  點擊量: 評論 (0)
  華北電力大學電氣與電子工程學院、中國科學院大學物理科學學院、國網(wǎng)冀北電力有限公司電力科學研究院的研究人員劉輝海、趙星宇、趙洪山等,在2017年第17期《電工技術(shù)學報》上撰文,為了實現(xiàn)風機齒輪箱的故障
 
  華北電力大學電氣與電子工程學院、中國科學院大學物理科學學院、國網(wǎng)冀北電力有限公司電力科學研究院的研究人員劉輝海、趙星宇、趙洪山等,在2017年第17期《電工技術(shù)學報》上撰文,為了實現(xiàn)風機齒輪箱的故障檢測分析,提出一種基于風電機組齒輪箱的數(shù)據(jù)采集與監(jiān)視控制(SCADA)數(shù)據(jù)和振動信號的深度自編碼網(wǎng)絡(luò)模型。
 
  該模型作為一種典型的深度學習方法,通過逐層智能學習初始樣本特征,可以獲取數(shù)據(jù)蘊含的規(guī)則與分布特征形成更加抽象的高層表示。首先,利用限制性玻爾茲曼機對網(wǎng)絡(luò)參數(shù)進行預訓練和反向傳播算法對參數(shù)進行調(diào)優(yōu),建立深度自編碼網(wǎng)絡(luò)模型。然后,通過對齒輪箱的狀態(tài)變量進行編碼和解碼,計算重構(gòu)誤差并將其作為齒輪箱的狀態(tài)檢測量。
 
  為了有效檢測重構(gòu)誤差的趨勢變化,選用自適應閾值作為風機齒輪箱故障檢測的決策準則。最后,利用對齒輪箱故障前、后記錄的數(shù)據(jù)進行仿真分析,結(jié)果驗證了深度自編碼網(wǎng)絡(luò)學習方法對齒輪箱故障檢測的有效性。
 
  風電做為一種清潔、高效的新型能源,隨著其裝機容量的持續(xù)增長,風機的故障問題也變得更加突出。齒輪箱做為風電機組的關(guān)鍵部件,由于承受復雜的載荷及其特殊的工作環(huán)境,造成風電機組停機時間最長。因此,利用數(shù)據(jù)采集與監(jiān)視控制(Supervisory Control and Data Acquisition,SCADA)數(shù)據(jù)或狀態(tài)監(jiān)測信息分析研究齒輪箱故障檢測,能夠有效降低齒輪箱的維修成本,提高經(jīng)濟效益。
 
  通常風電機組齒輪箱處于早期故障階段時,由于故障產(chǎn)生的沖擊成分比較微弱,并且受到環(huán)境噪聲的干擾,使得齒輪箱早期故障特征難以提取。目前故障檢測方法一般分為基于數(shù)據(jù)的研究方法和基于模型的分析方法。基于模型的分析方法通常是建立部件的物理模型,根據(jù)模型參數(shù)的變化實現(xiàn)故障的檢測。
 
  文獻[4]通過構(gòu)建齒輪箱模型,分析其故障物理機制,從而提取不同故障狀況下的故障特征。基于數(shù)據(jù)的分析方法又可以分為基于狀態(tài)監(jiān)測數(shù)據(jù)和基于SCADA運行數(shù)據(jù)兩種方法。齒輪箱狀態(tài)監(jiān)測信息一般用于監(jiān)測設(shè)備的健康狀況(如振動信號和油分析),利用狀態(tài)監(jiān)測信息可以實現(xiàn)對故障特征準確提取。
 
  文獻[5]運用多尺度線性調(diào)頻小波分解法研究了齒輪箱變工況條件下的振動信號,實現(xiàn)了故障診斷。為了分析振動信號的頻域特征,文獻[6]將非平穩(wěn)的時域信號轉(zhuǎn)換為平穩(wěn)或準平穩(wěn)的頻域信號,并采用K鄰近度異常檢測方法,提取了齒輪箱的故障信息。
 
  文獻[7, 8]運用EMD方法分解齒輪箱振動信號,然后對其模態(tài)函數(shù)建模分析,從而判斷出齒輪箱軸承的性能退化程度。文獻[9]利用小波包分析提取信號特征向量,從而提高信號的分辨效果,然后對特征向量進行降維處理,實現(xiàn)對故障診斷時間的提高,但該方法易受強噪聲的影響。
 
  文獻[10,11]通過對齒輪箱油液采樣分析,根據(jù)油液粒子成分對比反映齒輪箱的故障。SCADA信息一般指的是設(shè)備的運行數(shù)據(jù),可利用這些數(shù)據(jù)的趨勢變化來實現(xiàn)故障檢測。
 
  文獻[12, 13]針對齒輪箱油溫和軸承溫度的實際值與估計值,運用統(tǒng)計過程控制法分析溫度的殘差趨勢,實現(xiàn)了齒輪箱異常狀態(tài)的檢測。文獻[14, 15]通過采用內(nèi)存批處理技術(shù)和Storm實時流數(shù)據(jù)處理方法構(gòu)建風電機組在線預警和故障診斷模型,能夠?qū)崿F(xiàn)對齒輪箱故障的判定。風機在運行過程中產(chǎn)生的SCADA數(shù)據(jù)蘊含著特定的規(guī)則與結(jié)構(gòu),這使得數(shù)據(jù)挖掘方法在齒輪箱的故障研究中得到應用。
 
  文獻[16]分析了風機SCADA數(shù)據(jù)變量間的相關(guān)性,從而實現(xiàn)對風機不同運行狀況下的健康狀態(tài)的定量評估。風電機組SCADA數(shù)據(jù)與狀態(tài)監(jiān)測數(shù)據(jù)具有變量多、數(shù)據(jù)量大、類型復雜的特點。深度學習方法能夠深層學習數(shù)據(jù)內(nèi)在的結(jié)構(gòu)特征,并將學習到的特征信息融入模型的建立過程中,從而減少了人為設(shè)計特征的不充分性和傳統(tǒng)特征提取所帶來的復雜性。深度學習算法與傳統(tǒng)故障診斷方法相比,克服了傳統(tǒng)方法對診斷經(jīng)驗的依賴性和大數(shù)據(jù)下模型診斷能力與泛化能力的不足。
 
  本文基于風電機組SCADA數(shù)據(jù)和振動信號,提出深度自編碼網(wǎng)絡(luò)(Deep Autoencoder,DA)模型,對齒輪箱的狀態(tài)進行整體分析,深度學習數(shù)據(jù)規(guī)則,挖掘其蘊含的分布式特征,從而提取齒輪箱狀態(tài)檢測量,實現(xiàn)故障檢測。
 
  DA網(wǎng)絡(luò)模型的分析過程包括:首先采集正常狀態(tài)下風機齒輪箱的SCADA數(shù)據(jù)和振動數(shù)據(jù)創(chuàng)建訓練數(shù)據(jù)集;基于訓練數(shù)據(jù)集建立DA模型,然后運用建立的DA模型計算風機齒輪箱的重構(gòu)誤差Re序列;根據(jù)將要發(fā)生故障的齒輪箱的Re的趨勢會發(fā)生變化,運用自適應閾值法檢測Re的趨勢,在風電機組齒輪箱發(fā)生故障但未失效之前,檢測出即將發(fā)生的故障,實現(xiàn)齒輪箱的故障預測。
 
  圖1  DA模型的逐層學習過程
 
 
  結(jié)論
 
  針對齒輪箱故障檢測方法的研究,本文提出了基于風電機組齒輪箱SCADA數(shù)據(jù)與振動信號相結(jié)合的齒輪箱DA網(wǎng)絡(luò)模型故障檢測方法,實現(xiàn)了齒輪箱的故障檢測。通過運用正常狀態(tài)下齒輪箱的狀態(tài)數(shù)據(jù)建立DA模型,使其深度學習齒輪箱運行數(shù)據(jù)的內(nèi)在特征。
 
  選取重構(gòu)誤差Re做為齒輪箱故障檢測變量,并引入Re的自適應閾值做為齒輪箱故障預警的決策準則,仿真結(jié)果驗證了該方法能夠基于SCADA數(shù)據(jù)與振動信號對齒輪箱故障實現(xiàn)有效檢測。
大云網(wǎng)官方微信售電那點事兒

責任編輯:lixin

免責聲明:本文僅代表作者個人觀點,與本站無關(guān)。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實,對本文以及其中全部或者部分內(nèi)容、文字的真實性、完整性、及時性本站不作任何保證或承諾,請讀者僅作參考,并請自行核實相關(guān)內(nèi)容。
我要收藏
個贊
?
主站蜘蛛池模板: 插菊花网 | 在线观看视频国产 | 国产一区二区三区视频在线观看 | 一级特黄国产高清毛片97看片 | 日本欧美亚洲 | 啦啦啦免费高清在线影院 | 亚洲热在线观看 | 成人在线看片 | 欧美色图综合 | 国产一在线 | 狠狠操狠狠操 | 久久九九青青国产精品 | 成年黄网站在线观看免费 | 四虎4hu永久在线观看 | 青草免费免费观看视频在线 | 黄片毛片大全 | 高清国语自产拍免费视频国产 | 污视频网站在线观看免费 | 最近中文字幕无吗 | 久久久免费网站 | 天堂新版资源中文最新版下载地址 | 日韩精品免费视频 | 久久观看视频 | 青青草原国产在线观看 | 韩国一区在线 | 欧美噜噜 | 国内自拍第一页 | 日本一区二区三区视频在线观看 | 不卡一级毛片免费高清 | 在线高清一级欧美精品 | 日韩在线1| 榴莲app下载网址进入i | 直接观看黄网站免费视频 | 麻豆精品免费视频入口 | 久插视频 | 国产精品热久久毛片 | 欧美二区在线观看 | 日韩欧美视频一区二区 | 国产麻豆免费 | 国产精品一区二区三区四区五区 | 免费视频色 |