泊頭市春華
彈性齒式聯(lián)軸器廠家對風機齒輪箱故障診斷預防——聯(lián)軸器齒輪箱作為風力發(fā)電機的關鍵部件,針對風力發(fā)電機聯(lián)軸器齒輪箱故障診斷的研究一直是是國內外學者研究熱點,按照故障診斷的研究方法大致可分為是基于數(shù)學模型的方法和基于人工智能的方法的兩種方法,故障信號處理的方法和基于過程參數(shù)估計的方法兩種。
隨著社會的進步和科技的發(fā)展,人工智能技術已成功應用于社會的各行業(yè)中,智能化診斷也將成為診斷領域的發(fā)展方向,(一)人工智能診斷方法主要包括專家系統(tǒng)診斷、模糊數(shù)學、人工神經(jīng)網(wǎng)絡等智能化診斷方法。(二)人工神經(jīng)網(wǎng)絡以其 的容錯、聯(lián)想、記憶、推測、自適應等性能,現(xiàn)已被成功應用到許多學科中,在聯(lián)軸器齒輪箱故障診斷與預警方面也有大量研究成果。(三)回聲狀態(tài)網(wǎng)絡(EchoStateNetwork,ESN)是Jaeger提出的一種新型遞歸神經(jīng)網(wǎng)絡,其思想源于流體狀態(tài)機(LiquidStateMachine,LSM),其之處在于采用隨機稀疏連接的神經(jīng)元組成的動態(tài)儲備池(DynamicReservoir,DR),用于對輸入進行高維、非線性的表示。(四)和傳統(tǒng)的神經(jīng)網(wǎng)絡相比,回聲狀態(tài)網(wǎng)絡的穩(wěn)定性 好,網(wǎng)絡輸出權值的確定是 優(yōu)的,克服了傳統(tǒng)神經(jīng)網(wǎng)絡局部 小問題,并簡化了網(wǎng)絡訓練過程。在時間序列預測方面表現(xiàn)出較好的性能,被成功應用于移動通信話務量的預測、高爐煤氣發(fā)生量的預測和風電功率的預測等領域。若將回聲狀態(tài)網(wǎng)絡的預測性能成功應用到機械設備運行狀態(tài)的趨勢預測中,將實現(xiàn)對機械設備故障的早期預警,具有重大意義。
及以上幾點是春華傳動機械對風機聯(lián)軸器齒輪箱的故障診斷預防。此資料由春華傳動機械整理提供。
評論列表
我要評論