基于BNN-RA模型的风电机组轴承故障诊断研究

打开文本图片集

摘 要：针对风电机组轴承故障诊断中特征提取困难，模型迭代速度慢，精度低的问题，该文提出一种基于改进二值化神经网络（BNN）的风电机组轴承故障诊断方法。首先采用格拉姆角场（GAF）将轴承振动信号转换为二维图像，以提高特征提取精度，然后结合深度残差网络和注意力机制构建BNN-RA（BNN+ Residual Network + Spatial attention network structure）故障诊断模型，实现轴承的高效故障诊断，最终通过美国凯斯西储大学（CWRU）与江南大学（JNU）公开的轴承数据集进行方法有效性验证。（剩余14783字）