基本信息

---

下载

文档摘要

---

摘要

随着清洁能源需求的日益增长，风能影响力逐步扩大。然而，当风电齿轮箱

长时间在极端环境中时，易出现各种故障。同时，振动信号具有非线性和强背景

噪声特性，导致故障特征难以被有效识别，因此，对风电齿轮箱的状态进行精准

监测和故障诊断显得尤为重要。深度学习因其优异的自适应特征学习能力，被广

泛应用于齿轮故障诊断领域。本文基于深度学习技术研究风电齿轮箱故障特征提

取及多路径数据融合下的多故障分类。

首先，通过对风电齿轮箱故障的分析，整理了风电齿轮箱的结构、工作原理

及齿轮副在健康状态和各类