《表2 3种模型对齿轮箱故障2 (齿面点蚀+轮齿磨损混合) 的识别效果》
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EEMD小波阈值去噪和CS-BP神经网络的风电齿轮箱故障诊断》
可以看出,约15次迭代后,CS-BP的误差降到了10-12的量级。而使用GA-BP和PSO-BP分别在60次和350次迭代之后,训练误差才降到10-8的量级,并且PSO-BP算法出现了陷入局部最优解的情况。3种算法优化的BP神经网络对故障1、故障2的诊断仿真误差结果,如表1,表2所示。表中故障模式第1个参数为1表示齿轮箱正常运行,为0表示出现故障。第2、3、4个参数依次表示齿面点蚀、轮齿磨损、断齿3种故障类型,1表示发生此故障,0表示没有发生此故障。
图表编号 | XD0035875200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.15 |
作者 | 王红君、赵元路、赵辉、岳有军 |
绘制单位 | 天津理工大学天津市复杂系统控制理论与应用重点实验室、天津理工大学天津市复杂系统控制理论与应用重点实验室、天津理工大学天津市复杂系统控制理论与应用重点实验室、天津农学院、天津理工大学天津市复杂系统控制理论与应用重点实验室 |
更多格式 | 高清、无水印(增值服务) |