小波分析與卷積神經網路於風機齒輪箱振動故障診斷之應用

Abstract

" 離岸風力發電近年來逐漸發展為綠能產業中重要的一環，其中變速齒輪箱在整個風力發電機系統中是為最關鍵的組件之一。因風機在長時間運轉下維修不易，變速齒輪箱中的零件一旦損壞，除了維修成本巨大，嚴重甚至可能造成整台風機的崩潰。為了降低維護成本，狀態監測(condition monitoring)與故障診斷的技術也成為當今重要課題。 本文主要目的在於研究風力發電機的故障分類及診斷，並提出下列方法：(a)小波分析(wavelet analysis)，一種可以得知訊號在不同時間段頻率資訊的時頻分析，以及(b)卷積神經網路(convolution neural network, CNN)，一種常應用於影像分類的神經網路(neural network)，並應用上述兩種理論作為故障診斷的方法，利用振動訊號，針對模擬風機傳動系統的振動測試平台進行實驗。為模擬風機變轉速的情形，實驗僅訓練少數特定轉速，以其他中間轉速進行測試，並分別模擬齒輪箱在健康、齒輪故障、軸承故障和複合故障四種不同模式下的狀態。結果表明，本實驗在振動測試平台5-15 RPM的控制轉速下，能成功判斷出變轉速中四種不同的模式，準確率最高可達到97.91%，可靠度則為97.78%。 "