基于IPSO-FNN的风电齿轮箱故障诊断方法

• 作者: 白瑞飞 张伟 赵豆豆
• 来源期刊: 传感器与微系统
• 关键词: 齿轮箱故障诊断 改进粒子群优化算法 差分进化
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 计算与测试|Calculation & Test
• 页码范围: 125-128
• 页数: 4页
• 分类号: TP277
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2021)01-0125-04

摘要

在对风电齿轮箱故障特征提取基础上,利用模糊神经网络(FNN)对齿轮箱故障诊断系统进行网络建模;为了提高网络学习算法效率,采用改进粒子群优化(IPSO)算法对网络参数进行学习.引入适应度方差表征粒子状态,对早熟粒子进行差分进化操作,改善粒子群的多样性.对惯性权重、学习因子进行改进,平衡算法的全局搜索和局部开发能力,提高算法性能.经仿真实验研究表明:所提出的故障诊断方法与FNN,PSO-FNN方法相比,具有较高的诊断精度和较快的收敛速度.