基于IPSO-FNN的风电齿轮箱故障诊断方法

白瑞飞; 张伟; 赵豆豆

doi:10.13873/J.1000-9787(2021)01-0125-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于IPSO-FNN的风电齿轮箱故障诊断方法

计算与测试 | 更新时间：2025-09-11

- 基于IPSO-FNN的风电齿轮箱故障诊断方法
- Fault diagnosis method for wind power gearbox based on IPSO-FNN
- 传感器与微系统 2021年40卷第1期页码：125-128
- 作者机构：
  
  河南理工大学电气工程与自动化学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目（61703145）;河南理工大学博士基金资助项目（B2017-21）;河南理工大学创新型科技团队项目（T2019-2）
- DOI：10.13873/J.1000-9787(2021)01-0125-04
  中图分类号： TP18;TM315
- 纸质出版：2021
- 稿件说明：
移动端阅览
[1]白瑞飞,张伟,赵豆豆.基于IPSO-FNN的风电齿轮箱故障诊断方法[J].传感器与微系统,2021,40(01):125-128.

BAI Ruifei, ZHANG Wei, ZHAO Doudou. Fault diagnosis method for wind power gearbox based on IPSO-FNN[J]. 2021, 40(1): 125-128.
[1]白瑞飞,张伟,赵豆豆.基于IPSO-FNN的风电齿轮箱故障诊断方法[J].传感器与微系统,2021,40(01):125-128. DOI： 10.13873/J.1000-9787(2021)01-0125-04.

BAI Ruifei, ZHANG Wei, ZHAO Doudou. Fault diagnosis method for wind power gearbox based on IPSO-FNN[J]. 2021, 40(1): 125-128. 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。

Abstract

On the basis of wind power gearbox fault feature extraction

fuzzy neural network（FNN） is used for network madeling of gearbox fault diagnosis system.In order to improve the efficiency of network learning algorithm

improved particle swarm optimization（PSO） algorithm is used to learn network parameters.Fitness variance is introduced to characterize the state of particles

and differential evolution is applied to premature particles to improve the diversity of particle swarm.The inertia weight and learning factor are improved to balance the global search and local development ability of the algorithm and improve the performance of the algorithm.The simulation results show that the proposed fault diagnosis method has higher diagnostic accuracy and faster convergence speed than FNN and PSO-FNN methods.

关键词

Keywords

references

基于PSO-BP神经网络的MEMS加速度计温度补偿 [J]. 王法亮,徐大诚. 传感器与微系统 . 2019(02)

基于傅里叶分解方法的风电齿轮箱故障诊断 [J]. 林近山,窦春红,赵光胜,尹建华. 机械传动 . 2018(11)

基于改进粒子群优化算法的混沌系统参数估计 [J]. 石建平,李培生,刘国平,刘鹏. 华中科技大学学报(自然科学版) . 2018(09)

风电机组齿轮箱故障评价方法研究现状 [J]. 胡志红,张秀丽,张向军,白恺,林丽,王素焕. 设备管理与维修 . 2018(02)

一种基于差分进化混合粒子群算法的多无人机航迹规划 [J]. 于鸿达,王从庆,贾峰,刘阳. 电光与控制 . 2018(05)

CQPSO-BP算法在风电机组齿轮箱故障诊断中的应用 [J]. 程加堂,艾莉,段志梅,熊燕. 太阳能学报 . 2017(08)

基于粒子群优化KFCM的风电齿轮箱故障诊断 [J]. 李状,柳亦兵,滕伟,林杨. 振动.测试与诊断 . 2017(03)

改进学习因子和约束因子的混合粒子群算法 [J]. 张水平,仲伟彪. 计算机应用研究 . 2015(12)

Wind turbine condition monitoring based on SCADA data using normal behavior models. Part 1: System description [J] . Meik Schlechtingen,Ilmar Ferreira Santos,Sofiane Achiche. Applied Soft Computing Journal . 2013 (1)

Research of Condition Monitoring and Fault Diagnosis Techniques for Wind Turbine Gearbox [J] . Zhong Xian You,Zeng Liang Cai,Zhao Chun Hua,Zhang Jin,Wan Shi Qing. Applied Mechanics and Materials . 2012 (197)

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于改进差分进化算法的云计算任务调度策略

WSNs能量异构节点部署与区域覆盖优化