基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对传统方法在风力发电机齿轮箱故障诊断中存在精度不高的问题,引入了一种改进粒子群算法优化神经网络的方法.该算法的惯性权重可进行自适应调整,以平衡全局和局部搜索能力.同时,收缩因子可加快 算法的收敛速度,以更快收敛到全局最优.仿真结果表明,该方法能较好地识别故障模式,具有一定的实用性.
推荐文章
基于阶次分析的非平稳工况下风力发电机组齿轮箱故障诊断
风力发电机组
齿轮箱
阶次分析
非平稳
故障诊断
基于免疫算法的风力发电机齿轮箱传感器布置优化研究
免疫算法
传感器测点
优化布置
风力发电机
基于粒子群优化SVM的飞机发电机故障诊断
故障诊断
支持向量机
粒子群优化
三级无刷交流发电机
励磁绕组故障
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于粒子群混合算法的风力发电机齿轮箱故障诊断
来源期刊 可再生能源 学科 工学
关键词 粒子群算法 风力发电机 齿轮箱 故障诊断 神经网络
年,卷(期) 2012,(3) 所属期刊栏目 研究与实验
研究方向 页码范围 32-35
页数 分类号 TK83|TH132.41
字数 3008字 语种 中文
DOI 10.3969/j.issn.1671-5292.2012.03.008
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (65)
共引文献  (66)
参考文献  (9)
节点文献
引证文献  (10)
同被引文献  (41)
二级引证文献  (20)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(5)
  • 参考文献(0)
  • 二级参考文献(5)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(6)
  • 参考文献(0)
  • 二级参考文献(6)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(7)
  • 参考文献(0)
  • 二级参考文献(7)
2005(7)
  • 参考文献(0)
  • 二级参考文献(7)
2006(11)
  • 参考文献(0)
  • 二级参考文献(11)
2007(6)
  • 参考文献(1)
  • 二级参考文献(5)
2008(8)
  • 参考文献(4)
  • 二级参考文献(4)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(4)
  • 参考文献(4)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(2)
  • 引证文献(1)
  • 二级引证文献(1)
2014(5)
  • 引证文献(2)
  • 二级引证文献(3)
2015(3)
  • 引证文献(1)
  • 二级引证文献(2)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(6)
  • 引证文献(2)
  • 二级引证文献(4)
2018(5)
  • 引证文献(1)
  • 二级引证文献(4)
2019(5)
  • 引证文献(1)
  • 二级引证文献(4)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
粒子群算法
风力发电机
齿轮箱
故障诊断
神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
可再生能源
月刊
1671-5292
21-1469/TK
大16开
辽宁省营口市西市区银泉街65号
8-61
1983
chi
出版文献量(篇)
4935
总下载数(次)
14
总被引数(次)
41118
论文1v1指导