基于IEGABP模型的风电齿轮箱故障趋势预测

摘要

增速齿轮箱是大型风力发电机组的关键部件,应采用合适的预测模型对其状态进行预测.针对BP神经网络预测模型的易陷入局部极小和不能体现不同输入信息对网络预测输出值得影响程度的问题提出基于信息熵的遗传算法优化BP神经网络预测模型(IEGABP).用此模型能够优化神经网络权值参数,并可利用振动数据对预测的贡献程度不同提高预测的精度和实时性.现场采集风电机组增速齿轮箱的振动数据,应用IEGABP模型和基于人工经验设定的BP神经网络结构参数的模型分别对其进行预测并比较,结果表明前者在预测精度、预测实时性方面取得了较好的效果.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号