基于AE-BN的发电机滚动轴承故障诊断 | |
王进花1,2,3; 高媛2; 曹洁2,4; 马佳林5 | |
刊名 | 北京航空航天大学学报
![]() |
2022-01-26 | |
页码 | 1-10 |
关键词 | 故障诊断 自动编码器 贝叶斯网络 结构学习 特征提取 |
DOI | 10.13700/j.bh.1001-5965.2021.0581 |
英文摘要 | 为了解决风力发电机在复杂工况及耦合性、不确定性条件下故障识别的准确性问题,提出一种基于贝叶斯网络(Bayesian network, BN)与自动编码器(auto-encoder, AE)的AE-BN故障诊断方法。采用AE对电流信号进行特征提取,得到能够高度表征信号的特征分量;基于故障与特征之间的因果关系建立由故障位置、故障状态和故障特征搭建的三层BN;进而将AE的特征分量与BN的拓扑结构相结合建立风力发电机故障诊断模型,解决故障诊断中的不确定性问题,提高多故障诊断的准确性。实验结果表明,所提方法能够对故障特征信号进行分析及诊断,精确辨识不同故障类型,相比其它算法有明显优势。 |
URL标识 | 查看原文 |
语种 | 中文 |
内容类型 | 期刊论文 |
源URL | [http://ir.lut.edu.cn/handle/2XXMBERH/155835] ![]() |
专题 | 电气工程与信息工程学院 兰州理工大学 |
作者单位 | 1.兰州工业大学甘肃工业过程先进控制重点实验室; 2.兰州理工大学电气工程与信息工程学院; 3.兰州理工大学电气与控制工程国家实验教学中心; 4.甘肃省制造信息工程研究中心; 5.兰州理工大学计算机与通信学院 |
推荐引用方式 GB/T 7714 | 王进花,高媛,曹洁,等. 基于AE-BN的发电机滚动轴承故障诊断[J]. 北京航空航天大学学报,2022:1-10. |
APA | 王进花,高媛,曹洁,&马佳林.(2022).基于AE-BN的发电机滚动轴承故障诊断.北京航空航天大学学报,1-10. |
MLA | 王进花,et al."基于AE-BN的发电机滚动轴承故障诊断".北京航空航天大学学报 (2022):1-10. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论