基于粒子群优化$%的风电齿轮箱故障诊断.PDFVIP

下载本文档

2
0
约3.37万字
约 5页
2017-08-13 发布于天津
举报
版权申诉

基于粒子群优化$%的风电齿轮箱故障诊断.PDF

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于粒子群优化$%

第卷第期振动测试与诊断年月基于粒子群优化的风电齿轮箱故障诊断李状柳亦兵滕伟林杨华北电力大学能源动力与机械工程学院北京北京华能新锐控制技术有限公司北京摘要针对基于有监督学习的方法无法识别未知类别故障提出了一种基于粒子群优化模糊核聚类简称的风电机组齿轮箱故障诊断方法首先建立以训练样本分类错误率为目标的聚类模型利用对训练样本进行分类然后以初始聚类中心和核函数参数作为优化变量利用粒子群优化算法求解聚类模型获得最优分类结果下每个类的类心最后根据新样本与各类心之间的核空间样本相似度判断新样本属于已知故障或者未知故障以某风电机组齿轮箱为例对提出方法的有效性进行试验验证结果表明与传统基于有监督学习的神经网络方法相比该方法能有效诊断已知和未知类别的故障关键词模糊核聚类粒子群优化算法风电机组齿轮箱故障诊断中图分类号杂数据集的聚类性能近年来在气动系统汽轮引言机变压器及卫星控制系统等故障诊断领域得到应用但在实际工程应用中的分类效果齿轮箱是风电机组传动链的关键设备由于风依赖初始聚类中心和核函数参数的选择针对此问电机组运行环境恶劣导致齿轮箱故障频繁发生不题在聚类中引入粒子群优化算法求解最优