基于小波包与PCA遗传神经网络相结合的齿轮箱故障诊断方法

• 作者: 甄立敬 罗毅
• 来源期刊: 化工自动化及仪表
• 学科: 工学
• 关键词: 风电机组 齿轮箱 故障诊断 故障特征 小波包分解 遗传算法 BP神经网络
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: 研究与应用
• 页码范围: 144-148,194
• 页数: 6页
• 分类号: TH165+.3
• 字数: 4653字
• 语种: 中文

摘要

针对风电机组齿轮箱振动信号非平稳、不确定的特点,提出基于小波包与PCA遗传神经网络相结合的风电机组齿轮箱故障诊断方法.该方法选取振动信号的哨度和峰值作为时域特征值,利用小波包算法提取频带能量和二范数作为时频域特征值.考虑到特征值之间的相关性,利用主成分分析法确定主成分,从而减少神经网络的输入变量.利用遗传算法对BP神经网络权值和偏置进行优化,建立遗传神经网络的故障诊断模型.仿真测试结果证实了算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗毅	华北电力大学控制与计算机工程学院	50	826	14.0	28.0
2	甄立敬	华北电力大学控制与计算机工程学院	2	11	1.0	2.0