《表1 材料力学参数：基于IPSO-FNN的风电齿轮箱故障诊断方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于IPSO-FNN的风电齿轮箱故障诊断方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文以某风电场1.5 MW风机组为研究对象，提取齿轮箱的振动加速度信号，采样频率为4 400 Hz，每个样本采样点数为7350点。针对本文的研究问题，参数设置及实验数据的选取如下:粒子群规模30，迭代次数150，ωmin=0.4，ωmax=0.9，c1，c2∈（0.2），F=0.5，pc=0.3，适应度函数为网络输出与目标向量的差值；模糊神经网络采取6—13—1结构，学习因子以及动量因子分别设置为0.10，0.04，训练次数为120次。另外选取各种类型故障数据15组，由于各单位数据量级不同，需要对其归一化处理，构成FNN的训练样本，导入到网络结构。其部分训练样本如表1所示。