基于U-net和随机森林的齿轮箱振动时频分析和故障诊断

作者：张品杨,陈长征. 日期：2023-10-19/span> 浏览：317 查看PDF文档

摘要:对于风电机组齿轮箱(WTG)智能故障诊断算法,孤立的故障分类结果常常面临置信度不足的问题。为了在故障分类的同时提供除了诊断结论之外的更多信息,基于振动时频信息,提出了一种用于风电机组齿轮箱振动时频分析和故障诊断的两阶段框架。首先,在第一阶段中,使用Unet模型自动分割了时频图中与故障有关的特征区域,而无需手动设置分割参数;然后,使用基于形状特征的方法提取了被分割图像中的特征信息;最后,在第二阶段中,利用随机森林算法根据形状特征完成对风电齿轮箱的故障诊断任务,并使用采集自华北某风电场的在役风电机组齿轮箱振动数据验证了上述框架的有效性。实验结果表明:分析算法的F1分数和诊断算法的诊断精度分别达到了0.942和97.4%,Unet方法与现有方法相比具有更高的综合诊断性能和计算效率。研究结果表明:该框架能够精准地标记时频图中的故障特征区域,并快速有效地诊断齿轮箱故障。

关键词:风电机组齿轮箱;故障诊断;振动分析;齿轮箱;时频分析;随机森林

中图分类号:TH132;TM315文献标识码:A文章编号:1001-4551(2023)08-1210-08


本文引用格式:

张品杨,陈长征.基于U-net和随机森林的齿轮箱振动时频分析和故障诊断［J］.机电工程,2023,40(8):1210-1217.

ZHANG Pin-yang, CHEN Chang-zheng. Time-frequency analysis and fault identification of wind turbine gearbox based on U-net and random forest［J］.Journal of Mechanical & Electrical Engineering, 2023,40(8):1210-1217.