基于小波分析的PSO-MBCNN的风电齿轮箱故障诊断

刘彬豪; 孙敬伟; 邓志华

首页> 中文期刊> 《长春理工大学学报（自然科学版）》 >基于小波分析的PSO-MBCNN的风电齿轮箱故障诊断

基于小波分析的PSO-MBCNN的风电齿轮箱故障诊断

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

对于风机齿轮箱故障较难发现、传统算法计算负担大的问题,提出一种基于小波时频分析的粒子群优化多分支卷积神经网络(PSO-MBCNN)的预测方法。首先,将正常、点蚀、断齿、磨损状态的齿轮在故障模拟实验平台进行模拟实验,获得这四种运行状态的振动数据;然后,利用小波时频转换,将一维数据转化为图像数据。提出一种多分支模块,以降低卷积神经网络对参数的敏感性,减小CNN的运算负担,再用改进的粒子群优化算法(PSO)优化多分支卷积神经网络内部的权值和偏差,通过实验结果表明该故障诊断方法的平均准确率超过99%。

著录项

来源
《长春理工大学学报（自然科学版）》 |2023年第5期|82-90|共9页
作者
刘彬豪; 孙敬伟; 邓志华;
展开▼
作者单位

汕头大学工学院;

展开▼
原文格式 PDF
正文语种 chi
中图分类风力发电机;人工神经网络与计算;
关键词
故障诊断; 风机齿轮箱; 小波分析; 粒子群优化算法; 多分支; 卷积神经网络;

相似文献

中文文献
外文文献
专利

1. 基于优化EFD算法的风电行星齿轮箱故障诊断研究 [J] . 王国锋 ,张旭东 ,汪菲 . 天津大学学报:自然科学与工程技术版 . 2023,第4期
2. 基于EMD-1DCNN的风电齿轮箱声信号故障诊断研究 [J] . 黄海 . 数字通信世界 . 2023,第7期
3. 基于RF特征优选和WOA-ELM的风电齿轮箱故障诊断 [J] . 何坤敏 ,王霄 ,杨靖 . 电子测量技术 . 2023,第5期
4. 基于小波变换和优化CNN的风电齿轮箱故障诊断 [J] . 温竹鹏 ,陈捷 ,刘连华 . 浙江大学学报:工学版 . 2022,第6期
5. 基于大数据的风电齿轮箱状态监测与故障诊断研究 [J] . 吴晓军 . 现代工业经济和信息化 . 2022,第10期
6. 基于电流信号稀疏滤波特征学习的风电齿轮箱故障诊断 [C] . ZHAO Jingyi ,赵婧怡 ,HE Qun . 2018年全国设备监测诊断与维护学术会议暨第十六届全国设备故障诊断学术会议、第十八届全国设备监测与诊断学术会议、2018年全国设备诊断工程会议 . 2018
7. 基于AWF-STFT与SSD的风电齿轮箱故障诊断方法研究 [A] . 何辉辉 . 2021

基于小波分析的PSO-MBCNN的风电齿轮箱故障诊断

摘要

著录项

相似文献

相关主题

期刊订阅