基于粒子群优化BP神经网络的风电机组齿轮箱故障诊断方法

发布时间：2017-06-25 15:19

本文关键词：基于粒子群优化BP神经网络的风电机组齿轮箱故障诊断方法，，由笔耕文化传播整理发布。

【摘要】：提出了一种基于粒子群优化BP神经网络风电机组齿轮箱故障诊断方法。粒子群算法不需要计算梯度,可以兼顾全局寻优和局部寻优。利用粒子群算法对BP网络权值和偏置进行优化,减少了BP神经网络算法陷入局部最优解的风险,提高了神经网络的训练效率,加快了网络的收敛速度。考虑风电齿轮箱振动信号的不确定性、非平稳性和复杂性,提取功率谱熵、小波熵、峭度、偏度、关联维数和盒维数作为故障特征。经测试,算法诊断结果正确,表明了PSO优化BP神经网络用于风电机组齿轮箱故障诊断的有效性和实用性。
【作者单位】：新能源电力系统国家重点实验室(华北电力大学);
【关键词】： 风电机组 齿轮箱 故障诊断 粒子群优化算法 BP神经网络 故障特征
【基金】：国家高技术研究发展(863)计划项目(2007AA05Z428)
【分类号】：TM315
【正文快照】： 0引言风电机组长期运行在室外恶劣自然环境下,故障率比常规发电机组高。据不完全统计,目前我国风电场中风电机组的平均可利用率普遍低于95%[1],除了风电接入系统不具备条件外,风电机组故障率高是一个主要因素。这些因素导致风电机组的维护费用成为风电场的主要运营成本,按照

【参考文献】

中国期刊全文数据库前1条

1 杨维,李歧强;粒子群优化算法综述[J];中国工程科学;2004年05期

中国硕士学位论文全文数据库前2条

1 刘莹;风力发电机齿轮箱的齿轮转子系统动力学的分析与研究[D];新疆农业大学;2007年

2 刘强;人工神经网络及其在汽轮发电机组振动故障预测中的应用[D];浙江大学;2005年

【共引文献】

中国期刊全文数据库前10条

1 黄yN;孙德宝;秦元庆;;基于粒子群算法的移动机器人路径规划[J];兵工自动化;2006年04期

2 崔玲丽;丁芳;高立新;张建宇;王颖旺;;齿轮裂纹早期故障的完全解调分析[J];北京工业大学学报;2006年08期

3 张利彪,周春光,刘小华,马铭;粒子群算法在求解优化问题中的应用[J];吉林大学学报(信息科学版);2005年04期

4 李晓斌;刘丁;左磊;;RBF-PSO在N型热电偶非线性校正中的应用[J];传感技术学报;2007年04期