【儀表網(wǎng) 研發(fā)快訊】降低故障風(fēng)險、保證結(jié)構(gòu)安全并提高經(jīng)濟(jì)效益，已成為風(fēng)電領(lǐng)域的重要研究方向。作為風(fēng)力發(fā)電機(jī)傳動系統(tǒng)中的核心機(jī)械部件，齒輪箱的可靠性直接關(guān)系到風(fēng)力發(fā)電機(jī)的安全運(yùn)行和穩(wěn)定性。因此，針對風(fēng)力發(fā)電機(jī)組齒輪箱的故障診斷與健康管理的研究，對于確保風(fēng)力發(fā)電機(jī)的安全性和可靠性具有至關(guān)重要的意義。隨著工業(yè)大數(shù)據(jù)的興起，風(fēng)電機(jī)組的運(yùn)維方法已經(jīng)從振動監(jiān)測分析轉(zhuǎn)變?yōu)榱嘶谌斯ぶ悄芗夹g(shù)的智能運(yùn)維方法。智能運(yùn)維方法能夠從歷史和實(shí)時數(shù)據(jù)中學(xué)習(xí)模式，提供基于數(shù)據(jù)的決策支持。然而，目前的智能運(yùn)維方法往往忽略了設(shè)備運(yùn)行環(huán)境和可用數(shù)據(jù)的特性，導(dǎo)致在復(fù)雜環(huán)境中的故障診斷缺乏魯棒性和精確性。因此，開展可靠、高效的診斷方法實(shí)現(xiàn)設(shè)備故障的精準(zhǔn)判別是當(dāng)前風(fēng)電健康管理領(lǐng)域需攻克的關(guān)鍵技術(shù)之一。
 

　　研究所國家能源風(fēng)電葉片研發(fā)(實(shí)驗(yàn))中心在齒輪箱故障診斷方面開展了系列研究。借助深度學(xué)習(xí)模型強(qiáng)大的特征提取與預(yù)測能力，建立了一種多尺度TransFusion(MSTF)模型用于在多種運(yùn)行條件下對齒輪箱軸承進(jìn)行故障診斷。設(shè)計(jì)了一種時頻對稱點(diǎn)模式變換方法，通過對稱分布的圖像充分顯示振動信號中的信息，豐富訓(xùn)練數(shù)據(jù)，增強(qiáng)不同故障信號之間的差異。此外，建立了一個完整的齒輪箱軸承故障診斷的新框架，通過可視化注意力權(quán)重，增強(qiáng)模型的可解釋性。在兩個數(shù)據(jù)集上進(jìn)行的實(shí)驗(yàn)和分析表明，所提出的模型在穩(wěn)定性和準(zhǔn)確性方面優(yōu)于其他流行方法，對含噪聲信號具有很高的適應(yīng)性。MSTF模型中特征和注意力權(quán)重的可視化不僅體現(xiàn)了其優(yōu)越的識別能力，還展現(xiàn)了其魯棒的特征提取可解釋性。
 

　　以上研究得到了國家重點(diǎn)研發(fā)計(jì)劃(No. 2022YFE0207000)的支持，相關(guān)研究成果發(fā)表在Knowledge-Based Systems上。
 

模型迭代結(jié)果(a. 準(zhǔn)確率 ， b. 損失)
 

TSNE降維可視化(a. 原始數(shù)據(jù) ， b. 最終預(yù)測結(jié)果)