结合C-均值聚类的自适应共振神经网络在风电机组齿轮箱故障诊断中的应用

被引：29

作者：

李状

柳亦兵

马志勇

滕伟

机构：

[1] 华北电力大学能源动力与机械工程学院

来源：

动力工程学报 | 2015年 / 35卷 / 08期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

风电机组齿轮箱; 自适应共振神经网络; C-均值聚类; 无监督学习; 故障诊断;

D O I：

暂无

中图分类号：

TH165.3 []; TM614 [风能发电];

学科分类号：

080811 [新能源发电与电能存储];

摘要：

提出了一种结合C-均值聚类的自适应共振(Adaptive Resonance Theory 2,ART2)神经网络无监督学习分类方法,用于风电机组齿轮箱设备群的故障诊断.利用某风电场齿轮箱运行数据,采用ART2神经网络对样本数据进行初步分类,再采用C-均值聚类算法对神经网络分类结果进行修正,得到最终诊断结果,并与ART2神经网络分类结果进行了比较.结果表明:所提出的方法解决了原始神经网络算法存在"硬竞争"导致分类精度下降的问题,准确度高于传统的ART2神经网络,可以准确识别出故障齿轮箱.

引用

页码：646 / 651+665 +665

页数：7

共 14 条

[1]

基于非高斯性强度的风电齿轮箱故障特征提取 [J].

周雁冰 ;

柳亦兵 ;

赵秋丽 ;

李宏 .

动力工程学报, 2013, 33 (11) :865-870

[2]

自适应谐振理论在基于行为的故障诊断中的应用研究 [J].

彭治国 ;

耿涛 ;

刘海浪 .

制造技术与机床, 2013, (03) :140-144

[3]

基于信息熵与主成分分析的火电机组综合评价方法 [J].

齐敏芳 ;

付忠广 ;

景源 ;

马亚 .

中国电机工程学报, 2013, 33 (02) :58-64+12

[4]

基于模型诊断技术的神经网络实现方法 [J].

马纪明 ;

万蔚 ;

王法岩 .

北京航空航天大学学报, 2013, (02) :178-183

[5]

基于粒子群优化BP神经网络的风电机组齿轮箱故障诊断方法 [J].

龙泉 ;

刘永前 ;

杨勇平 .

太阳能学报, 2012, 33 (01) :120-125

[6]

基于BP神经网络的解耦方法在直流锅炉控制系统中的应用 [J].

张栾英 ;

欧丽君 ;

王亚顺 .

动力工程, 2009, 29 (09) :823-826+836

[7]

网络入侵检测关键技术研究 [D].

刘积芬 .

东华大学,

2013

[8]

风力发电机组振动状态监测导则.[S]...2011,

[9]

模式识别原理及工程应用.[M].周丽芳; 李伟生; 黄颖; 编著.机械工业出版社.2013,

[10]

The fault feature extraction and classification of gear using principal component analysis and kernel principal component analysis based on the wavelet packet transform.[J].Renping Shao;Wentao Hu;Yayun Wang;Xiankun Qi.Measurement.2014,

← 1 2 →