基于振动信号与电流特征融合的风电发电机轴承故障诊断

勇辉 令狐(贵州西能电力建设有限公司，中国)

摘要

风电发电机作为风力发电系统的核心设备，其轴承的健康状态与整机的运行效率与安全性息息相关。但目前轴承故障在风电发电机故障中的占比极高，原因是传统的单一信号诊断方法存在着信息片面、准确率不足等问题。基于此，本文提出了一种基于振动信号与电流特征融合的故障诊断方式，旨在通过多源信号采集、多层次特征提取、智能融合诊断及自适应优化等环节，实现对于轴承早期故障的精准识别与定位。该方式综合地利用了振动信号对机械故障的敏感性和电流信号易于采集的优势，且结合了深度学习与传统算法的融合模型，能够有效地提升故障诊断的准确率与鲁棒性，以此将为风电发电机的运维提供可靠的技术支撑。

关键词

风电发电机；轴承故障；振动信号；电流特征；信号融合；诊断策略

参考

明亮.基于深度学习的风力发电机轴承故障诊断[D].山西省:太原科技大学,2021.DOI:10.27721/d.cnki.gyzjc.2021.000596.

凌峰.基于信号处理与卷积神经网络的风电齿轮箱故障诊断[D].江苏省:东南大学,2022.DOI:10.27014/d.cnki.gdnau.2022.004468.

吕致为.基于深度迁移学习的风电机组发电机轴承故障诊断方法研究[D].北京市:华北电力大学(北京),2023.DOI:10.27140/d.cnki.ghbbu.2023.001470.

薛澳阳,张晓明.基于振动频谱信号分析的双馈风力发电机轴承故障诊断方法[J].舰船电子工程,2025,45(5):153-156.DOI:10.3969/j.issn.1672-9730.2025.05.032.

DOI: http://dx.doi.org/10.12345/dlynyqy.v3i9.32288