[1]邓媛媛,刘国奇,蔡磊.基于设备运行数据的风机故障诊断方法[J].沈阳建筑大学学报(自科版),2021,(5):942-948.[doi:10.11717/j.issn:2095-1922.2021.05.22]
点击复制

基于设备运行数据的风机故障诊断方法()
分享到：

《沈阳建筑大学学报(自科版)》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2021年第5期
页码:
942-948
栏目:
机械工程
出版日期:
2021-09-30

文章信息/Info

作者:
邓媛媛; 刘国奇; 蔡磊
关键词:
风力发电机; 故障诊断; 大数据; 数据分析
DOI:
10.11717/j.issn:2095-1922.2021.05.22
摘要:
目的 通过对风机运行信息进行分析,找出设备运行过程中的故障和某些设备的关联关系,从而解决风机设备故障的诊断问题。方法 采用关联规则经典算法进行数据挖掘,建立基于粗糙集理论和关联规则的风机故障诊断模式;以国内某风场为例,获取大约4 T的数据,选取其中某个故障发生时所有的传感数据进行分析,并找出故障和设备之间可能存在的某种关系。结果 通过数值模拟和实验结果得到传统的没有加粗糙集理论模型的故障检测准确率为54.5%,改进模型的故障检测准确率为65.78%。结论 笔者提出的方法针对某些类型的故障的预警具有一定的有效性,可以为设备的故障诊断和将来的设备故障预警提供帮助。

相似文献/References:

[1]石怀涛 乔思康 丁健华 王子男 白晓天.基于改进卷积神经网络CNND的电主轴轴承故障诊断方法[J].沈阳建筑大学学报(自科版),2020,(2):361.[doi:10.11717/j.issn:2095-1922.2020.02.21]
[2]须颖 李昊东 安冬.基于GLCM-SDAE的滚动轴承故障诊断方法[J].沈阳建筑大学学报(自科版),2020,(4):720.[doi:10.11717/j.issn:2095-1922.2020.04.18]
[3]石怀涛,李宁宁,赵金宝,等.基于压缩采集特征提取与CNN_SVM的滚动轴承的故障诊断[J].沈阳建筑大学学报(自科版),2022,(6):1129.[doi:10.11717/j.issn:2095-1922.2022.06.21]
[4]侯祥林,王鑫,李诗雨,等.基于过渡过程信号的振动机机体结构裂纹故障检测[J].沈阳建筑大学学报(自科版),2023,(2):355.[doi:10.11717/j.issn:2095-1922.2023.02.20]

更新日期/Last Update: 2021-10-27