基于BNN-RA模型的風(fēng)電機組軸承故障診斷研究

打開文本圖片集

摘 要：針對風(fēng)電機組軸承故障診斷中特征提取困難，模型迭代速度慢，精度低的問題，該文提出一種基于改進二值化神經(jīng)網(wǎng)絡(luò)（BNN）的風(fēng)電機組軸承故障診斷方法。首先采用格拉姆角場（GAF）將軸承振動信號轉(zhuǎn)換為二維圖像，以提高特征提取精度，然后結(jié)合深度殘差網(wǎng)絡(luò)和注意力機制構(gòu)建BNN-RA（BNN+ Residual Network + Spatial attention network structure）故障診斷模型，實現(xiàn)軸承的高效故障診斷，最終通過美國凱斯西儲大學(xué)（CWRU）與江南大學(xué)（JNU）公開的軸承數(shù)據(jù)集進行方法有效性驗證。（剩余14783字）