技术特征:
技术总结
本发明提供一种基于深度学习的风机故障分类识别方法,用于风机轴承故障诊断,首先实时采集风电机组轴承的振动信号,进行滤波处理后截取为指定时长T的片段;然后对截取的信号片段进行时频分析,并对时频分析结果进行归一化处理;接着利用深度学习算法网络对归一化后的时频分析结果进行聚类分析,根据分析结果判断风机运行是否正常;最后根据故障类型输出维护措施建议或停机检查。该方法针对振动信号的时频分析结果进行特征识别,更全面有效地利用了振动信号的时频信息,提高了神经网络的识别准确率,从而减少由于故障引起的停机损失。
技术研发人员:王卓然;王宏乾
受保护的技术使用者:王卓然
技术研发日:2019.02.02
技术公布日:2019.05.17