基于AE-BN的发电机滚动轴承故障诊断

doi:10.13700/j.bh.1001-5965.2021.0581

	基于AE-BN的发电机滚动轴承故障诊断
	王进花1,2,3 ; 高媛 1; 曹洁1,4 ; 马佳林 5
	2022-01-26
发表期刊	北京航空航天大学学报
ISSN	1001-5965
卷号	49 期号:8 页码:1-10
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。
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
URL	查看原文
收录类别	北大核心 ; EI ; CSCD
语种	中文
资助项目	国家自然科学基金（62063020）;甘肃省自然科学基金（20JR5RA463）;国家自然科学基金（61763028）
出版者	Beijing University of Aeronautics and Astronautics (BUAA)
EI入藏号	20233814733464
EI主题词	Failure analysis
EI分类号	615.8 Wind Power (Before 1993, use code 611 ) ; 716.1 Information Theory and Signal Processing ; 921.4 Combinatorial Mathematics, Includes Graph Theory, Set Theory
中图分类号	TP18;TM315
原始文献类型	Journal article (JA)
引用统计	无
文献类型	期刊论文
条目标识符	https://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.兰州理工大学电气工程与信息工程学院; 2.兰州工业大学甘肃工业过程先进控制重点实验室; 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
第一作者单位	电气工程与信息工程学院; 兰州理工大学
第一作者的第一单位	电气工程与信息工程学院
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,2022,49(8):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,49(8),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 49.8(2022):1-10.

条目包含的文件
文件名称/大小	文献类型	版本类型	开放类型	使用许可
基于AE-BN的发电机滚动轴承故障诊断.（879KB）	期刊论文	出版稿	开放获取	CC BY-NC-SA	浏览下载