基于LVQ神经网络风电机组齿轮箱故障诊断研究

摘要：

针对风电机组齿轮箱故障诊断技术的不足，提出一种基于LVQ神经网络的故障诊断方法，利用小波分析方法对某风电机组齿轮箱正常状态、磨损故障和断齿故障状态下的振动信号进行降噪处理，在时域和频域内提取了5个特征参数对所建立的模型进行训练。为了检验模型的实际诊断能力，与标准BP神经网络的诊断结果进行对比。仿真结果表明：基于LVQ神经网络的故障诊断速度更快、准确率更高、泛化能力更强，验证了所提出方法的实用性和有效性。

关键词：LVQ神经网络、BP神经网络、风电机组、齿轮箱、故障诊断

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金资助项目61104071

在线出版日期：2014-06-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：150-152