基于PSO-BP的风电机组齿轮箱故障诊断

摘要：

齿轮箱作为风电机组重要的传动部件,故障发生率较高,对其进行故障诊断具有十分重要的意义.针对BP神经网络在风电机组齿轮箱故障诊断过程中,存在收敛速度慢、易陷入局部极值点、学习效率低的问题,本文利用PSO算法优良的全局搜索能力对BP神经网络进行优化和训练,在一定程度上提高了BP神经网络的收敛速度和稳定性,并将优化后的BP神经网络用于风电机组齿轮箱故障诊断.实验结果表明,经PSO优化的BP神经网络能够准确、有效地识别风电机组齿轮箱故障类型.

关键词：风电、齿轮箱、故障诊断、PSO-BP

所属期刊栏目：29

分类号：TP206(自动化技术及设备)

资助基金：湖南省教育厅科学研究项目16K024,17A048;湖南省自然科学联合基金项目2018JJ4043,2019JJ50106

在线出版日期：2019-07-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：21-25