一种基于阶次谱迁移的风电传动链智能故障诊断方法

摘要

本发明提供了一种基于阶次谱迁移的风电传动链智能故障诊断方法。在训练阶段，通过源域数据和目标域正常数据构建智能诊断模型。首先通过傅立叶分解算法分离原始振动信号中的窄带共振分量，然后通过希尔伯特阶次变换计算共振分量的包络阶次谱，最后通过一维卷积神经网络学习故障特征与故障类别之间的映射关系。在测试阶段，采用相同的傅立叶分解算法和希尔伯特阶次解调提取目标域振动信号的包络阶次谱，然后通过阶次谱迁移算法将目标域数据的故障特征迁移至源域，最后通过训练好的模型识别目标域数据的故障类别。具有识别精度高，对目标设备训练样本依赖性小的特点，能有效应用于故障数据缺乏条件下风电传动链的智能故障诊断。