基于纵横交叉算法优化BP神经网络的风机齿轮箱故障诊断方法
风电机组齿轮箱的运行工况比较复杂,容易发生故障. 针对常规BP(Back Propagation)神经网络故障诊断容易陷入局部最优的问题,提出一种基于纵横交叉算法(Crisscross Optimization Algorithm,CSO)优化BP神经网络的风电齿轮箱故障诊断新方法. 考虑到风电齿轮箱振动信号的波动性和非线性,首先从信号中提取故障特征参数,建立带评价因子的误差分析模型,然后通过纵横交叉算法优化BP的权值和阈值对神经网络进行训练,最后用训练好的神经网络对样本进行测试. 经实验仿真并与其他方法的对比,验证了本文方法用于风电机组故障诊断有效性及优越性.
风电机组、齿轮箱、纵横交叉算法、BP神经网络、故障诊断
35
TM315(电机)
广东省科技计划项目2016A010104016;广东电网公司科技项目GDKJQQ20152066
2018-04-26(万方平台首次上网日期,不代表论文的发表时间)
共6页
57-62