北票风电场发电机组的齿轮箱故障诊断研究

【摘要】：齿轮箱是风力发电机组的重要组成部分,如何及早发现并诊断齿轮的故障,对维护系统正常运行,经济合理地安排维修设备时间,减少设备故障发生,避免重大人身伤亡事故有着十分重要的意义。 故障诊断方法很多,诸如:传统故障诊断、数学故障诊断、智能故障诊断方法(模糊逻辑、神经网络、专家系统)等。通过综合比较,本文提出了基于遗传算法(GA)的模糊神经网络模型(FNN),并通过在神经网络框架下引入模糊规则,从而使网络权值有明显意义,并且保留神经网络的学习机制。使用遗传算法在搜索解的过程中,能够达到最佳收敛,优化全局。在神经网络训练之前,引入GA对染色体的交叉、变异运算寻找BP网络的最优初始权值,训练网络时再次引入GA优化网络参数,可以有效避免网络收敛过早。本文针对权值的学习采用进化算法,避免了原有BP算法容易陷入局部最优的缺点。 本文首先使用了模糊规则专家系统,对齿轮箱进行故障诊断,得出诊断结果,本文分析了这种方法在故障诊断中具有实用性,同时也存在很大的局限性.由于神经网络强大的学习能力,被广泛应用与故障诊断。在文章中采用了BP网络建立故障诊断模型和基于遗传算法、神经网络、模糊逻辑结合建立模糊神经网络模型,对齿轮箱故障进行诊断,均可以得到正确的故障诊断结果。通过对于两种方法训练时间,相对误差值等方面的比较,显示了GA-FNN的优越性,表明了该方法的有效性、可行性,达到了预期效果。