关键词：风电机组;滚动轴承;齿轮箱;故障诊断;残差神经网络
摘 要：针对传统风电机组轴承和齿轮箱故障诊断方法需人工提取特征而易引入人为误差和浅层神经网络提取特征困难导致诊断效果不佳的问题,提出一种基于改进残差神经网络的风电机组轴承和齿轮箱故障诊断方法。引入选择性内核网络(SKNet)结构来对卷积核执行注意力机制,引入全局上下文网络(GCNet)结构来充分利用全局上下文信息对不同通道进行权值重标定。实验结果表明,所提方法对在强噪声情况下对风电机组轴承和多维度特征的风电机组齿轮箱具有良好的故障诊断能力。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取