位置:成果数据库 > 期刊 > 期刊详情页
基于回声状态神经网络风电齿轮箱故障诊断方法
  • ISSN号:1001-0599
  • 期刊名称:《设备管理与维修》
  • 时间:0
  • 分类:TM315[电气工程—电机] TH132.41[机械工程—机械制造及自动化]
  • 作者机构:北京信息科技大学现代测控技术教育部重点实验室
  • 相关基金:国家自然科学基金项目(51275052);北京市自然科学基金资助重点项目(3131002)
中文摘要:

增速齿轮箱是大型风力发电机组的关键部件,应采用合适的方法进行故障诊断对其运行状态进行预测。本文提出了基于小波包和回声状态神经网络的齿轮箱故障诊断方法。首先利用小波包分解风机齿轮箱的故障信号,能够得到振动信号位于不同频段的故障特征,接着对不同频段的故障特征频率做归一化处理,进而组成故障特征向量,最后将特征向量输入回声神经网络模型得到故障类型。该方法减小了传统的BP神经网络模型神经网络算法陷入局部最优解的风险,提高了网络的收敛速度。

同期刊论文项目
同项目期刊论文
期刊信息
  • 《设备管理与维修》
  • 主管单位:中国科学技术协会
  • 主办单位:中国机械工程学会 北京卓众出版有限公司
  • 主编:徐小力
  • 地址:北京市东城区菊儿胡同7号
  • 邮编:100009
  • 邮箱:pme@pme.com.cn
  • 电话:010-64014125
  • 国际标准刊号:ISSN:1001-0599
  • 国内统一刊号:ISSN:11-2503/F
  • 邮发代号:2-395
  • 获奖情况:
  • 获工商系统全国"重信誉、创优质服务"称号单位
  • 国内外数据库收录:
  • 被引量:4394