关键词:
风力发电机
轴承
故障诊断
增量学习
卷积神经网络
摘要:
针对风力发电机轴承实际运行工况下故障类别随时间的推移逐步积累的问题,提出一种改进的具有增量学习能力的宽度卷积注意网络(IBCAN)的故障诊断方法,可在不重新训练模型的基础上诊断新增故障类别。首先,将风力发电机轴承振动信号利用连续小波变换(CWT)提取时频特征;其次,针对历史故障类别数据集,利用卷积注意网络(CAN)获得风力发电机轴承振动信号小波变换图的深度特征表示;然后,利用弹性网回归改进宽度学习系统(IBLS)将CAN所获特征和相应标签传输到IBLS中进行分类;最后,针对新增故障类别数据集,通过IBLS的扩展节点进行增量学习,进而实现新增故障类别诊断。通过实际采集的风力发电机轴承数据对所提方法进行试验验证,并与其他方法进行对比,结果表明,该方法能有效地更新风力发电机轴承故障诊断模型,增量学习新故障类别,对实际工程中风力发电机轴承故障诊断研究具有重要意义。