申请/专利权人:内蒙古科技大学
申请日:2023-12-19
公开(公告)日:2024-04-09
公开(公告)号:CN117851807A
主分类号:G06F18/213
分类号:G06F18/213;G01M13/045;G06F18/24;G06F18/15;G06N3/0475;G06N3/084;G06N3/12
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本发明公开了一种基于改进BP神经网络的风机发电机轴承故障诊断方法,属于轴承故障诊断技术领域。本发明采集轴承在各种工况下的振动信号,通过时域及频域分析解析振动信号在复杂工况的10种特征值,从而构成轴承数据集作为诊断模型训练输入,克服传统意义上过度依赖人工经验导致的安全事故,通过提取多特征值,提升诊断模型的精度和效率;通过小波包分析提取特征值,减少模型训练时间并提高特征值的关联性,采用遗传算法优化BP神经网络算法,最大化发挥模型诊断效果,实现轴承故障诊断。
主权项:1.一种基于改进BP神经网络的风机发电机轴承故障诊断方法,其特征在于,包括以下步骤:S1:利用多个三轴加速度传感器获取发电机轴承在各种工况下的振动信号数据;S2:基于步骤S1所获取的振动信号数据,利用时频域分析完成振动信号解析得到特征值;S3:对特征值重新组合得到表征故障和非故障工况的轴承数据集;S4:针对步骤S3中的轴承数据集,采用小波包分解模型实现特征提取;S5:利用改进的粒子群算法优化BP神经网络参数,将轴承数据集中的训练集数据输入优化后的BP神经网络进行训练,得到改进BP神经网络;S6:将轴承数据集中的测试集数据输入到改进BP神经网络中,实现轴承故障诊断。
全文数据:
权利要求:
百度查询: 内蒙古科技大学 一种基于改进BP神经网络的风机发电机轴承故障诊断方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。