Institutional Repository of Coll Elect & Informat Engn
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 |
个性服务 |
查看访问统计 |
谷歌学术 |
谷歌学术中相似的文章 |
[王进花]的文章 |
[高媛]的文章 |
[曹洁]的文章 |
百度学术 |
百度学术中相似的文章 |
[王进花]的文章 |
[高媛]的文章 |
[曹洁]的文章 |
必应学术 |
必应学术中相似的文章 |
[王进花]的文章 |
[高媛]的文章 |
[曹洁]的文章 |
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