基于粒子滤波与BP神经网络的风电机组主轴承温度故障诊断研究

主轴承是造成风电机组故障的主要因素之一,尤其是低速风电领域对主轴承的考验更为严苛,给风电机组的后续运维带来了极大的挑战。提出了一种基于改进和优化后的粒子滤波(EPF)算法的BP神经网络主轴承温度故障诊断模型。首先基于层次分析法和证据理论对故障参数进行选取,作为主轴承的特征故障参数。然后针对BP神经网络在训练过程中易陷入局部最小的情况,通过改进和优化后的粒子滤波算法,优化BP神经网络的权值和阈值。最后,通过对湖南某风电场的数据进行仿真实验。对比传统的BP神经网络,提出的诊断模型其预测识别结果及精度都得到了较大的提高。