基于异类信息特征融合的齿轮箱故障诊断方法
本文针对风电机组齿轮箱单一故障信号的局限性和故障特征存在较强非线性关系的特点,提出了一种基于异类信息特征融合的故障诊断方法.该方法以采集的振动信号、温度信号和润滑油信号为原始信源,分别提取它们的峭度、小波包频带能量,齿轮箱轴承温度、齿轮箱油温,润滑油粘度作为特征值.考虑到特征值之间的相关性,利用主成分分析法对原始特征值的组合进行降维融合,得到信息互补的特征量.将融合特征通过遗传算法优化的神经网络进行模式识别.仿真测试表明了该方法比同类信息特征融合法具有更高的诊断精度。
风电机组 齿轮箱 故障诊断 异类信息 特征融合 遗传算法 主成分分析法
甄立敬 马红伟 王若醒 张继忠
许继集团有限公司,河南许昌461000
国内会议
宁波
中文
332-338
2015-10-01（万方平台首次上网日期，不代表论文的发表时间）