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:
主轴承是造成风电机组故障的主要因素之一,尤其是低速风电领域对主轴承的考验更为严苛,给风电机组的后续运维带来了极大的挑战.提出了一种基于改进和优化后的粒子滤波(EPF)算法的BP神经网络主轴承温度故障诊断模型.首先基于层次分析法和证据理论对故障参数进行选取,作为主轴承的特征故障参数.然后针对BP神经网络在训练过程中易陷入局部最小的情况,通过改进和优化后的粒子滤波算法,优化BP神经网络的权值和阈值.最后,通过对湖南某风电场的数据进行仿真实验.对比传统的BP神经网络,提出的诊断模型其预测识别结果及精度都得到了较大的提高.
推荐文章
基于长短时记忆神经网络的风电机组滚动轴承故障诊断方法
风电机组
滚动轴承
故障诊断
回归神经网络
长短时记忆神经网络
小波包变换
基于LVQ神经网络风电机组齿轮箱故障诊断研究
LVQ神经网络
BP神经网络
风电机组
齿轮箱
故障诊断
基于BP神经网络的水润滑艉轴承故障诊断研究
水润滑艉轴承
故障诊断
BP神经网络
基于特征选择与概率神经网络的轴承故障诊断研究
航空发动机
轴承
故障诊断
特征提取
概率神经网络
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 基于粒子滤波与BP神经网络的风电机组主轴承温度故障诊断研究
来源期刊 技术与市场 学科
关键词 粒子滤波 BP神经网络 故障诊断 风电机组 主轴承 SCADA系统
年,卷(期) 2020,(6) 所属期刊栏目 创新与实践
研究方向 页码范围 11-15
页数 5页 分类号
字数 5271字 语种 中文
DOI 10.3969/j.issn.1006-8554.2020.06.003
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 詹俊 9 11 3.0 3.0
2 常兴邦 湘潭大学信息工程学院 1 0 0.0 0.0
3 盛利 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (29)
共引文献  (12)
参考文献  (10)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(3)
  • 参考文献(1)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(4)
  • 参考文献(0)
  • 二级参考文献(4)
2013(3)
  • 参考文献(1)
  • 二级参考文献(2)
2014(3)
  • 参考文献(0)
  • 二级参考文献(3)
2015(3)
  • 参考文献(1)
  • 二级参考文献(2)
2016(4)
  • 参考文献(1)
  • 二级参考文献(3)
2017(3)
  • 参考文献(0)
  • 二级参考文献(3)
2018(6)
  • 参考文献(5)
  • 二级参考文献(1)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(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)
研究主题发展历程
节点文献
粒子滤波
BP神经网络
故障诊断
风电机组
主轴承
SCADA系统
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
技术与市场
月刊
1006-8554
51-1450/T
大16开
四川省成都市
62-125
1980
chi
出版文献量(篇)
29073
总下载数(次)
69
总被引数(次)
59420
论文1v1指导