基于EEMD小波阈值去噪和CS-BP神经网络的风电齿轮箱故障诊断

• 作者: 岳有军 王红君 赵元路 赵辉
• 来源期刊: 机械传动
• 关键词: 风电齿轮箱 故障诊断 EEMD分解 小波阈值去噪 CS-BP
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 试验分析
• 页码范围: 100-106
• 页数: 7页
• 语种: 中文
• DOI: 10.16578/j.issn.1004.2539.2019.01.020

摘要

针对风电机组齿轮箱中齿面点蚀、齿轮磨损、断齿等故障的诊断问题,提出一种基于EEMD小波阈值去噪和布谷鸟算法优化BP神经网络的故障诊断方法.采用EEMD分解和小波阈值去噪方法对故障振动信号进行数据预处理,抑制原始振动信号中的噪声干扰.利用布谷鸟算法优化BP神经网络对预处理后的信号进行诊断.小波阈值能更好地对EEMD分解中的高频分量进行去噪处理,CS-BP神经网络具有准确的模式识别精度和出色的全局寻优能力.通过实例仿真表明,提出的故障诊断方法具有良好的诊断精度、速度和成功率,具有较高的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	岳有军	天津理工大学天津市复杂系统控制理论与应用重点实验室	99	546	12.0	19.0
2	王红君	天津理工大学天津市复杂系统控制理论与应用重点实验室	89	630	11.0	22.0
3	赵辉	天津理工大学天津市复杂系统控制理论与应用重点实验室	109	841	15.0	25.0
7	赵元路	天津理工大学天津市复杂系统控制理论与应用重点实验室	2	9	1.0	2.0