基于稀疏滤波与图神经网络的风力发电机齿轮箱故障检测
机器学习
2023-03-08 v1 系统与控制
系统与控制
摘要
风电产业近年来经历了巨大增长，同时也面临着风力发电机部件故障的问题。其中风力发电机齿轮箱故障尤为常见，并导致最长的停机时间与最高的成本。本文提出一种基于高频振动数据、利用图神经网络（GNN）模型与稀疏滤波（SF）的数据驱动齿轮箱故障检测算法。该方法能够充分利用多源数据与复杂的传感网络。所采用的GNN模型包括基础图神经网络、门控图神经网络与门控图序列神经网络，用于从基于风机信息构建的知识图谱中检测齿轮箱状态。稀疏滤波作为一种无监督特征学习方法，用于加速GNN模型的训练。所提方法的有效性在实测实验数据上得到了验证。
引用
@article{arxiv.2303.03496,
title = {Wind Turbine Gearbox Fault Detection Based on Sparse Filtering and Graph Neural Networks},
author = {Jinsong Wang and Kenneth A. Loparo},
journal= {arXiv preprint arXiv:2303.03496},
year = {2023}
}