化工自动化及仪表
化工自動化及儀錶
화공자동화급의표
CONTROL AND INSTRUMENTS IN CHEMICAL INDUSTRY
2014年
2期
144-148,194
,共6页
风电机组%齿轮箱%故障诊断%故障特征%小波包分解%遗传算法%BP神经网络
風電機組%齒輪箱%故障診斷%故障特徵%小波包分解%遺傳算法%BP神經網絡
풍전궤조%치륜상%고장진단%고장특정%소파포분해%유전산법%BP신경망락
wind turbines%gearbox%fault diagnosis%fault feature%wavelet packet decomposition%genetic algorithm%BP neural network
针对风电机组齿轮箱振动信号非平稳、不确定的特点,提出基于小波包与PCA遗传神经网络相结合的风电机组齿轮箱故障诊断方法.该方法选取振动信号的哨度和峰值作为时域特征值,利用小波包算法提取频带能量和二范数作为时频域特征值.考虑到特征值之间的相关性,利用主成分分析法确定主成分,从而减少神经网络的输入变量.利用遗传算法对BP神经网络权值和偏置进行优化,建立遗传神经网络的故障诊断模型.仿真测试结果证实了算法的有效性.
針對風電機組齒輪箱振動信號非平穩、不確定的特點,提齣基于小波包與PCA遺傳神經網絡相結閤的風電機組齒輪箱故障診斷方法.該方法選取振動信號的哨度和峰值作為時域特徵值,利用小波包算法提取頻帶能量和二範數作為時頻域特徵值.攷慮到特徵值之間的相關性,利用主成分分析法確定主成分,從而減少神經網絡的輸入變量.利用遺傳算法對BP神經網絡權值和偏置進行優化,建立遺傳神經網絡的故障診斷模型.倣真測試結果證實瞭算法的有效性.
침대풍전궤조치륜상진동신호비평은、불학정적특점,제출기우소파포여PCA유전신경망락상결합적풍전궤조치륜상고장진단방법.해방법선취진동신호적초도화봉치작위시역특정치,이용소파포산법제취빈대능량화이범수작위시빈역특정치.고필도특정치지간적상관성,이용주성분분석법학정주성분,종이감소신경망락적수입변량.이용유전산법대BP신경망락권치화편치진행우화,건립유전신경망락적고장진단모형.방진측시결과증실료산법적유효성.
