基于传感器技术的风电机组在线故障诊断研究

EPTSM

Electric Power Technology and Safety Management

2997-34732997-3503

Art and Technology

10.61369/EPTSM.2026040018

Article

基于传感器技术的风电机组在线故障诊断研究https://artdesignp.com/journal/EPTSM/3/4/10.61369/EPTSM.2026040018梁振国,李洪凯,刘雄,张东东,郭翔

2026

2026-04-20

针对风电机组复杂运行环境下故障诊断准确性与实时性不足的问题，围绕传感器技术与多源数据融合方法展开研究。构建了涵盖振动、温度与应变的多源传感器数据采集系统，提出基于信号预处理与特征提取的融合分析策略。通过建立机器学习故障识别模型，结合动态阈值更新机制，优化了在线诊断的实时性与准确性。设计了完整的硬件架构与软件平台，实现诊断系统的闭环验证。研究表明，该方法可有效提升故障特征辨识度，增强系统鲁棒性，为风电机组智能运维提供理论支撑。风电机组,传感器技术,多源数据融合,在线故障诊断,机器学习

[1] 李俊卿, 马亚鹏, 胡晓东, 等. 基于CBAM-InceptionV2-双流CNN 的风电机组轴承故障诊断[J].智慧电力,2023,51(06):28-33.[2] 桂斌斌, 李泽兰, 刘泳志, 等. 基于小波包和PSO-BP的风机滚动轴承故障诊断[J].中国新技术新产品,2023,(11):5-9.[3] 丁傲. 基于自适应啁啾模态分解的风电机组轴承故障诊断研究[D]. 华北电力大学( 北京),2023.[4] 史宗辉, 陈长征, 田淼, 等. 基于S-CBiGRU的风电机组滚动轴承故障诊断方法[J].机电工程,2023,40(02):232-238.[5] 毛成, 沈春和, 崔悦, 等. 自适应频移变尺度振动共振轴承故障诊断[J].南通大学学报( 自然科学版),2020,19(02):70-75.