热能动力工程

作者：孙建,刘同干,杨洪武,祝敬伟,王鹏程

单位：国家能源集团泰州发电有限公司,,国家能源集团泰州发电有限公司,,国家能源集团泰州发电有限公司,,国能信控互联技术有限公司,,大型发电装备安全运行与智能测控国家工程研究中心，东南大学能源与环境学院,

关键词：引风机轴承;故障诊断;改进CNN

基金：国家重点研发计划（2022YFB4100403）

针对引风机轴承变工况运行时,传统深度学习方法特征学习能力不足的问题,本文提出了一种基于改进CNN的引风机变工况轴承故障诊断方法。该方法首先利用多尺度卷积对原始特征图进行特征提取,然后利用通道注意力机制对多尺度特征进行自适应筛选；之后构建稠密连接残差模块结构,以实现模型快速收敛和特征重用目的；最后以SoftMax交叉熵作为损失函数,利用Adam优化实现对轴承健康状态的识别。试验结果表明,在模拟试验台变转速轴承数据集上,该方法的平均准确率达到99.68%；在美国凯斯西储大学变工况轴承数据集上,平均准确率达到97.10%；与常用的机器学习模型进行对比实验,验证了该方法在变工况下具有更好的诊断性能。

来源：2025年第2期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2025年第2期