典型文献
风力发电机齿轮箱优化逐层故障诊断方法
文献摘要：
风力发电机齿轮箱的故障诊断在风力发电机组正常运行中起着重要作用,除了识别故障类型外,故障的严重程度对风机的维护也具有指导意义,因此,一种优化堆叠诊断结构(OSDS)被提出以识别故障类型和严重性.首先对原始振动信号进行压缩采样,然后将压缩样本分别输入第1层和第2层深度信任网络(DBN),对故障类型和严重性进行识别,同时采用混沌量子粒子群优化算法(CQPSO)对每个DBN进行优化.通过两组实验得到的结果表明,故障类型诊断准确率分别达到99.24％和97.21％,故障严重程度诊断准确率达到99.06％,同时诊断时间仅为1.493和2.176 s.
文献关键词：
风力发电机;齿轮箱;故障诊断;逐层诊断网络
中图分类号：
作者姓名：
何怡刚;鲁力;阮义;袁伟博
作者机构：
合肥工业大学电气与自动化工程学院 合肥 230009
文献出处：
引用格式：
[1]何怡刚;鲁力;阮义;袁伟博-.风力发电机齿轮箱优化逐层故障诊断方法)[J].电子测量与仪器学报,2022(01):89-97
A类：
OSDS,CQPSO,逐层诊断网络
B类：
齿轮箱,故障诊断方法,风力发电机组,故障类型,风机,堆叠,严重性,振动信号,压缩采样,缩样,别输,信任网络,DBN,混沌,量子粒子群优化算法,类型诊断,诊断准确率,故障严重程度,诊断时间
AB值：
0.264273
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
