10.3969/j.issn.1005-2992.2015.01.012
基于EEMD和BP神经网络的风机齿轮箱故障诊断方法
根据风机齿轮箱故障信号的非平稳特性,提出一种基于总体平均经验模式分解( EEMD)和BP神经网络的风机齿轮箱故障诊断方法。首先,对原始信号进行小波去噪。然后,对故障信号进行EEMD分解,将其分解为多个固有模态函数( Intrinsic Mode Function,简称IMF)之和,选取若干含有主要故障信息的IMF分量做进一步分析。最后,从各IMF分量中提取故障信号能量特征参数,将归一化后的能量特征参数作为BP神经网络输入参数进行故障诊断。实测结果表明:该方法故障诊断准确率达到了99%左右。可以准确、有效的对风机齿轮箱进行故障诊断。
风机齿轮箱、故障诊断、EEMD、神经网络、小波变换、LabVIEW
TH131;TH132
天津市科技兴海项目-海上风电机组的在线监测与故障预警平台研制及产业化KJXH2012-13
2015-04-17(万方平台首次上网日期,不代表论文的发表时间)
共9页
64-72