热能动力工程

作者：贾文哲，闻 麒，李 春，岳敏楠

单位：上海理工大学 能源与动力工程学院，上海 200093,,上海理工大学 能源与动力工程学院，上海 200093,,上海理工大学 能源与动力工程学院，上海 200093,,上海理工大学 能源与动力工程学院，上海 200093,

关键词：漂浮式风力机;改进CEEMDAN算法;CNN;故障诊断

基金：国家自然科学基金（51976131，52006148，52106262）

针对海上漂浮式风力机在长期的海洋环境作用下，受到风、浪、流等复杂载荷的影响，发生腐蚀、蠕变和失效等故障问题，基于深度学习理论，提出了一种改进的完全集合经验模态分解（Improved Complete Ensemble EMD，ICEEMDAN）结合卷积神经网络（Convolutional Neural Network， CNN）的故障诊断方法，用于对海上漂浮式风力机的系泊系统进行故障识别。该方法基于平台艏摇响应信号状态，计算系泊蠕变与失效阶段，并分析不同位置系泊对漂浮式风力机稳定性的影响，诊断出系泊是否产生蠕变以及系泊蠕变位置。研究结果表明：改进后的方法能够较好地识别系泊蠕变到失效过程，挖掘了纵荡、横荡、横摇及艏摇等因素对风力机稳定性的影响，其在不同信噪比下均可有效地诊断出系泊状况与不同位置的蠕变，且准确率最高可达99.83%。

来源：2023年第11期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2023年第11期