基于大数据分析的风机轴承故障预警

摘要

cqvip:现阶段,随着社会的发展,我国的大数据行业的发展也有了很大的改善。目前,大多数关于风机轴承故障的研究集中于对风机 轴承振动信号的分析,通过固有时间尺度分解、聚合经验模态分解、双树复小波变换、时时变换的方法对轴承故障振动信号进行分解,提 取轴承的故障特征信息。这些方法对风机轴承的故障和自然环境引起的噪声区分度不够明显,只能诊断已发生的故障,没有对故障预警的 能力。一种利用改进粒子群算法优化的误差反向传播算法(Backpropagation,BP)经网络预测齿轮箱轴承温度从而实现故障预警的方法, 但这种方法仅使用温度因素作为预测标准,并不能全面地反映齿轮箱轴承运行状态。