基于信息熵神经网络的风力发电机故障诊断方法研究

• 作者: 崔厚玺 张来斌 段礼祥 王朝晖
• 来源期刊: 机械强度
• 关键词: 信息熵 神经网络 风力发电机 故障诊断
• 年，卷（期）: 2009,（1）
• 所属期刊栏目: 研究简报
• 页码范围: 132-135
• 页数: 4页
• 分类号: TK83|TH132.41|TH165.3
• 语种: 中文
• DOI: 10.3321/j.issn:1001-9669.2009.01.027

摘要

风力发电机组运行工况复杂多变,振动信号呈非平稳性和复杂性等特点,不同负载下信号能量分布差异较大,传统的时、频域特征参数不具纵向可比性,无法判别振动变化来自设备故障还是负载变化.针对以上特点,选择受机组工况变化影响较小的信息熵作为信号特征参数提取,通过描述信号总体统计特性判断设备状态,将齿轮各典型状态模式下的振动特征信息熵值作为网络的输入样本,通过训练前向传播back propagation(BP)神经网络,建立齿轮状态识别模型.利用新样本验证,结果与实际情况吻合得很好,表明该方法对风力发电机齿轮故障诊断的有效性和实用性.