基于IEGABP模型的风电齿轮箱故障趋势预测

摘要：

增速齿轮箱是大型风力发电机组的关键部件,应采用合适的预测模型对其状态进行预测.针对BP神经网络预测模型的易陷入局部极小和不能体现不同输入信息对网络预测输出值得影响程度的问题提出基于信息熵的遗传算法优化BP神经网络预测模型(IEGABP).用此模型能够优化神经网络权值参数,并可利用振动数据对预测的贡献程度不同提高预测的精度和实时性.现场采集风电机组增速齿轮箱的振动数据,应用IEGABP模型和基于人工经验设定的BP神经网络结构参数的模型分别对其进行预测并比较,结果表明前者在预测精度、预测实时性方面取得了较好的效果.

关键词： 风力发电机组 齿轮箱 故障趋势 预测模型 信息熵 遗传算法 神经网络

作者: 刘秀丽 徐小力 吴国新 左云波

作者单位: 北京理工大学机械与车辆学院,北京 100081 北京理工大学机械与车辆学院,北京 100081;北京信息科技大学现代测控教育部重点实验室,北京 100192 北京信息科技大学现代测控教育部重点实验室,北京 100192

会议类型: 国内会议

会议名称: 2014年全国设备监测诊断与维护学术会议、第十六届全国设备监测与诊断学术会议、第十四届全国设备故障诊断学术会议暨2014年全国设备诊断工程会议

会议地点: 秦皇岛

会议语种:中文

页码: 403-406

在线出版日期: 2014-08-01（万方平台首次上网日期，不代表论文的发表时间）