基于振动信号的风电机组轴承故障诊断研究
摘要
针对风电机组轴承故障诊断需求，围绕振动信号分析核心主线，系统研究从故障机理到诊断实现的全流程技术体系。阐述轴承结构特点与典型失效形式，剖析振动激励机理与特征频率构成。设计包含传感器优化选型与测点合理布置的采集方案，采用信号降噪与干扰抑制方法提升数据质量。构建融合时域统计指标、频域谱分析、时频分析的多维特征提取体系。对比基于统计学习与深度神经网络的诊断模型，建立多特征融合与决策机制。开发诊断系统架构并设计在线监测流程，从准确性、鲁棒性、适应性角度评估方法性能。研究为风电机组轴承故障诊断提供系统化技术参考。
关键词
风电机组；滚动轴承；故障诊断；振动信号；特征提取；诊断模型
全文:
PDF参考
卞文彬,邓艾东,刘东川,等.基于改进深度残差收缩网络的风电机组滚动轴承故障诊断方法[J].机械工程学报,2023,59(12):202-214.
王寅杰.基于声信号的风电机组滚动轴承故障诊断研究[D].东南大学,2023.
常淼,沈艳霞.基于贝叶斯优化CNN的风电轴承故障诊断策略[J].噪声与振动控制,2021,41(06):77-83.
齐咏生,樊佶,李永亭,等.基于增强型形态学滤波的风电机组轴承故障诊断方法[J].振动与冲击,2021,40(04):212-220.
孙启涛,牛晓瑞,郭卓锋,等.基于RS-LOD和快速谱峭度消噪的风电机组滚动轴承故障诊断[J].风能,2021,(02):80-89.
DOI: http://dx.doi.org/10.12345/dlynyqy.v4i5.39223
Refbacks
- 当前没有refback。
此作品已接受知识共享署名-非商业性使用 4.0国际许可协议的许可。
