基于轴承温度的风机齿轮箱故障预警研究

• 作者: 刘刚 廖文喆 张丽 杨欣 林涛 蔡睿琪
• 来源期刊: 可再生能源
• 学科: 工学
• 关键词: 风电 齿轮箱 轴承温度 BP神经网络 粒子群算法 残差 故障预警
• 年，卷（期）: 2018,（12）
• 页码范围: 1877-1882
• 页数: 6页
• 分类号: TK83
• 字数: 4721字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-5292.2018.12.023

摘要

齿轮箱轴承作为能量传递的关键部件,对风机状态评估具有重要意义.文章针对齿轮箱故障,提出了基于改进的粒子群算法(APSO)优化的BP神经网络齿轮箱轴承温度预测模型.首先,基于主成分分析法,选取SCADA系统中影响齿轮箱轴承温度的参数,建立正常状态下的齿轮箱轴承温度预测模型,通过对轴承温度残差值进行分析,得出风机故障告警和报警阈值,从而实现对齿轮箱故障的有效预警;最后,利用华北某风电场的数据进行实验仿真,对比分析粒子群(PSO)优化的BP神经网络预测模型和传统BP神经网络预测模型.结果表明,提出的预测方法拥有精度高、收敛速度快等优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘刚	河北工业大学人工智能与数据科学学院	11	44	6.0	6.0
2	林涛	河北工业大学人工智能与数据科学学院	65	273	10.0	12.0
3	张丽	河北工业大学人工智能与数据科学学院	27	60	5.0	7.0
4	杨欣	河北工业大学人工智能与数据科学学院	21	33	4.0	5.0
5	蔡睿琪	河北工业大学人工智能与数据科学学院	5	19	3.0	4.0
6	廖文喆	河北工业大学人工智能与数据科学学院	19	53	5.0	6.0