《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》

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

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。