基于DHNN的风电机组齿轮箱故障诊断

• 作者: 丁硕 巫庆辉 常晓恒 张放
• 来源期刊: 河南科学
• 关键词: 离散Hopfield神经网络 齿轮箱 故障诊断 泛化能力
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 建筑科学与工业技术
• 页码范围: 923-926
• 页数: 4页
• 分类号: TP183
• 语种: 中文

摘要

运用具有联想记忆功能的离散Hopfield神经网络（DHNN）对风电机组齿轮箱的故障进行诊断，选用时域和频域的5个故障特征指标作为评价因子，利用MATLAB工具箱建立一个可以对风电机组齿轮箱的3种故障进行诊断的DHNN模型，并将该模型用于北方某风电场的实测数据的故障诊断，验证模型的泛化能力。仿真结果表明， DHNN的诊断结果准确率高、收敛速度快，具有很好的实用性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	巫庆辉	渤海大学工学院	46	413	9.0	18.0
2	丁硕	渤海大学工学院	42	451	11.0	19.0
3	常晓恒	渤海大学工学院	34	306	8.0	16.0
4	张放	渤海大学工学院	4	37	2.0	4.0