机械强度
機械彊度
궤계강도
JOURNAL OF MECHANICAL STRENGTH
2009年
1期
132-135
,共4页
张来斌%崔厚玺%王朝晖%段礼祥
張來斌%崔厚璽%王朝暉%段禮祥
장래빈%최후새%왕조휘%단례상
信息熵%神经网络%风力发电机%故障诊断
信息熵%神經網絡%風力髮電機%故障診斷
신식적%신경망락%풍력발전궤%고장진단
风力发电机组运行工况复杂多变,振动信号呈非平稳性和复杂性等特点,不同负载下信号能量分布差异较大,传统的时、频域特征参数不具纵向可比性,无法判别振动变化来自设备故障还是负载变化.针对以上特点,选择受机组工况变化影响较小的信息熵作为信号特征参数提取,通过描述信号总体统计特性判断设备状态,将齿轮各典型状态模式下的振动特征信息熵值作为网络的输入样本,通过训练前向传播back propagation(BP)神经网络,建立齿轮状态识别模型.利用新样本验证,结果与实际情况吻合得很好,表明该方法对风力发电机齿轮故障诊断的有效性和实用性.
風力髮電機組運行工況複雜多變,振動信號呈非平穩性和複雜性等特點,不同負載下信號能量分佈差異較大,傳統的時、頻域特徵參數不具縱嚮可比性,無法判彆振動變化來自設備故障還是負載變化.針對以上特點,選擇受機組工況變化影響較小的信息熵作為信號特徵參數提取,通過描述信號總體統計特性判斷設備狀態,將齒輪各典型狀態模式下的振動特徵信息熵值作為網絡的輸入樣本,通過訓練前嚮傳播back propagation(BP)神經網絡,建立齒輪狀態識彆模型.利用新樣本驗證,結果與實際情況吻閤得很好,錶明該方法對風力髮電機齒輪故障診斷的有效性和實用性.
풍력발전궤조운행공황복잡다변,진동신호정비평은성화복잡성등특점,불동부재하신호능량분포차이교대,전통적시、빈역특정삼수불구종향가비성,무법판별진동변화래자설비고장환시부재변화.침대이상특점,선택수궤조공황변화영향교소적신식적작위신호특정삼수제취,통과묘술신호총체통계특성판단설비상태,장치륜각전형상태모식하적진동특정신식적치작위망락적수입양본,통과훈련전향전파back propagation(BP)신경망락,건립치륜상태식별모형.이용신양본험증,결과여실제정황문합득흔호,표명해방법대풍력발전궤치륜고장진단적유효성화실용성.
