[发明专利]一种风电齿轮箱的故障诊断方法

摘要

本发明公开的风电齿轮箱的故障诊断方法，首先，提取风电齿轮箱的振动加速度信号，分解后建立故障集；其次，采用一种面向收缩‑扩张系数的随机调整方案来增强量子粒子群算法的鲁棒性；再次，为了进一步提高算法跳出局部最优的概率，一种重启动策略也被引入到量子粒子群算法中；最后，采用改进的量子粒子群与BP神经网络相结合的方法来建立风电齿轮箱的故障诊断模型。与BP神经网络、粒子群以及量子粒子群优化BP网络的方案相比，本发明的故障诊断方法具有较高的诊断精度，降低了恶劣事故发生的几率。

主权项

1.一种风电齿轮箱的故障诊断方法，其特征在于，具体按照如下步骤实施：步骤1、采集齿轮表面的振动加速度信号，并经小波技术分解处理后，得到故障识别的特征向量，将该特征向量随机分为两组，分别作为BP神经网络的训练集和测试集；对齿轮箱的故障类型进行编码，并作为输出样本；步骤2、确定BP神经网络的隐含层神经元个数、训练函数以及输入层至输出层的传递函数，建立基于BP神经网络的故障诊断模型；步骤3、采用改进的量子粒子群算法对BP神经网络的故障诊断模型的参数进行寻优，获得最优的权阈值参数，得到优化BP神经网络；步骤4、利用训练集对优化BP神经网络进行训练，得到改进量子粒子群优化BP神经网络模型；步骤5、采用改进量子粒子群优化BP神经网络模型对测试集进行预测，输出风电齿轮箱故障的诊断结果，并将该诊断结果与步骤1得到的输出样本进行比较，判断出风电齿轮箱的故障类型。