基于EEMD小波阈值去噪和CS-BP神经网络的风电齿轮箱故障诊断
王红君1
赵元路1
赵辉2
岳有军1
1.天津理工大学 天津市复杂系统控制理论与应用重点实验室,天津,3003842.天津理工大学 天津市复杂系统控制理论与应用重点实验室, 天津 300384;天津农学院, 天津 300384
摘要：针对风电机组齿轮箱中齿面点蚀、齿轮磨损、断齿等故障的诊断问题,提出一种基于EEMD小波阈值去噪和布谷鸟算法优化BP神经网络的故障诊断方法.采用EEMD分解和小波阈值去噪方法对故障振动信号进行数据预处理,抑制原始振动信号中的噪声干扰.利用布谷鸟算法优化BP神经网络对预处理后的信号进行诊断.小波阈值能更好地对EEMD分解中的高频分量进行去噪处理,CS-BP神经网络具有准确的模式识别精度和出色的全局寻优能力.通过实例仿真表明,提出的故障诊断方法具有良好的诊断精度、速度和成功率,具有较高的应用价值.
关键词：风电齿轮箱故障诊断EEMD分解小波阈值去噪CS-BP
资助基金：国家自然科学基金(2006ZD32)
论文发表日期：2019-01-01
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：7( 100-106 )
英文信息