摘要: 针对风电机组发电机轴承的故障数据不易获取和故障模式不完备，导致难以基于标签样本建立故障分类识别模型的问题，提出了一种基于GAF-AE (Gramian Angular Field-Autoencoder)的轴承异常检测方法。首先通过GAF方法图像化轴承振动数据，轴承振动数据从时序数据变为图像数据，然后使用自动编码器AE算法构建异常检测模型。为验证所构建模型的效果，使用公开轴承数据集进行实验。实验结果表明：与传统的异常检测方法相比，该方法在故障检测率、误报率和AUC值上均有明显优势。其中，故障检测率分别提升了9.2%和8.64%，误报率分别降低了8.1%和8.6%，AUC值分别提升了6.9%和7.8%。