基于回声状态神经网络风电齿轮箱故障诊断方法

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.

关键词： 风力发电机组 齿轮箱 故障诊断 回声状态神经网络

作者: 王星达 何林峰 徐小力

作者单位: 北京信息科技大学现代测控技术教育部重点实验室,北京 100192

会议类型: 国内会议

会议名称: 2016年全国设备监测诊断与维护学术会议、第十五届全国设备故障诊断学术会议、第十七届全国设备监测与诊断学术会议、2016年全国设备诊断工程会议

会议地点: 西安

会议语种:中文

页码: 46-47

在线出版日期: 2016-08-01（万方平台首次上网日期，不代表论文的发表时间）