风机叶片质量不平衡会导致风机在旋转时产生较大的离心力,进而引发整个系统的机械振动,长期处于振动情况下运行,风机叶片、主轴和传动系统等关键部件会产生应力集中,缩短风机使用寿命及其发电效率。针对风机叶片不平衡造成的风电机组振...风机叶片质量不平衡会导致风机在旋转时产生较大的离心力,进而引发整个系统的机械振动,长期处于振动情况下运行,风机叶片、主轴和传动系统等关键部件会产生应力集中,缩短风机使用寿命及其发电效率。针对风机叶片不平衡造成的风电机组振动信号难以提取以及模型诊断精度低、模型结构复杂的问题,文章提出一种基于变分模态分解(variational mode decomposition,VMD)信号输入的轻量化Transformer模型,用于风机叶片不平衡故障诊断。首先对原始的振动信号进行变分模态分解,将其分解为多个模态的时域信号,增大故障信号的维度;其次,为了降低模型的复杂度,提出一种不含位置编码的改进Transformer诊断模型,简化模型复杂度;最后通过监测和数据采集(supervisory control and data acquisition,SCADA)系统采集风机机舱振动数据进行实验分析。实验结果表明,所提方案可以实现对风机叶片质量不平衡故障诊断,其精度可达到98.3%。展开更多
文摘风机叶片质量不平衡会导致风机在旋转时产生较大的离心力,进而引发整个系统的机械振动,长期处于振动情况下运行,风机叶片、主轴和传动系统等关键部件会产生应力集中,缩短风机使用寿命及其发电效率。针对风机叶片不平衡造成的风电机组振动信号难以提取以及模型诊断精度低、模型结构复杂的问题,文章提出一种基于变分模态分解(variational mode decomposition,VMD)信号输入的轻量化Transformer模型,用于风机叶片不平衡故障诊断。首先对原始的振动信号进行变分模态分解,将其分解为多个模态的时域信号,增大故障信号的维度;其次,为了降低模型的复杂度,提出一种不含位置编码的改进Transformer诊断模型,简化模型复杂度;最后通过监测和数据采集(supervisory control and data acquisition,SCADA)系统采集风机机舱振动数据进行实验分析。实验结果表明,所提方案可以实现对风机叶片质量不平衡故障诊断,其精度可达到98.3%。
