文献类型：期刊文章

作　　者：游子跃[1] 王宁[1] 李明明[2] 李亚强[1] 王皓[3]

机构地区：[1]吉林大学通信工程学院,长春130022 [2]吉林大学网络中心,长春130022 [3]天津海运职业学院,天津300350

出　　处：《东北电力大学学报》

基　　金：天津市科技兴海项目-海上风电机组的在线监测与故障预警平台研制及产业化(KJXH2012-13)

年　　份：2015

卷　　号：35

期　　号：1

起止页码：64-72

语　　种：中文

收录情况：JST、RCCSE、普通刊

摘　　要：根据风机齿轮箱故障信号的非平稳特性,提出一种基于总体平均经验模式分解(EEMD)和BP神经网络的风机齿轮箱故障诊断方法。首先,对原始信号进行小波去噪。然后,对故障信号进行EEMD分解,将其分解为多个固有模态函数(Intrinsic Mode Function,简称IMF)之和,选取若干含有主要故障信息的IMF分量做进一步分析。最后,从各IMF分量中提取故障信号能量特征参数,将归一化后的能量特征参数作为BP神经网络输入参数进行故障诊断。实测结果表明:该方法故障诊断准确率达到了99%左右。可以准确、有效的对风机齿轮箱进行故障诊断。

关 键 词：风机齿轮箱  故障诊断 EEMD  神经网络 小波变换 LABVIEW

分 类 号：TH131] TH132