针对行星齿轮箱故障诊断过程中的故障特征向量区分度差、诊断成功率不够高等问题,提出了一种基于局部均值分解(Local mean decomposition,LMD)排列熵和BP神经网络结合的方法。对原始信号进行LMD,获得包含主要信息的PF分量,计算排列熵值...针对行星齿轮箱故障诊断过程中的故障特征向量区分度差、诊断成功率不够高等问题,提出了一种基于局部均值分解(Local mean decomposition,LMD)排列熵和BP神经网络结合的方法。对原始信号进行LMD,获得包含主要信息的PF分量,计算排列熵值,构造特征向量,利用提取的特征向量训练BP神经网络,完成故障模式识别。以EMD排列熵方法和无量纲分析方法作为对比组,实验验证说明,提出方法提取到的不同工况的特征向量区分度更强,故障诊断效果更好;且当训练组数发生变化时,提出方法的综合表现更优秀。展开更多
针对A公司B风电场35 k V集电线路避雷器线夹断裂频发造成发电量损失这一质量问题,采用DMAIC过程改进方法进行了分析研究,明确每个阶段的输入和输出要求,并辅以若干分析和解决该质量问题的管理方法和工具,最终完成改善,经验证达到预期目...针对A公司B风电场35 k V集电线路避雷器线夹断裂频发造成发电量损失这一质量问题,采用DMAIC过程改进方法进行了分析研究,明确每个阶段的输入和输出要求,并辅以若干分析和解决该质量问题的管理方法和工具,最终完成改善,经验证达到预期目标并进行成果固化。展开更多
文摘针对行星齿轮箱故障诊断过程中的故障特征向量区分度差、诊断成功率不够高等问题,提出了一种基于局部均值分解(Local mean decomposition,LMD)排列熵和BP神经网络结合的方法。对原始信号进行LMD,获得包含主要信息的PF分量,计算排列熵值,构造特征向量,利用提取的特征向量训练BP神经网络,完成故障模式识别。以EMD排列熵方法和无量纲分析方法作为对比组,实验验证说明,提出方法提取到的不同工况的特征向量区分度更强,故障诊断效果更好;且当训练组数发生变化时,提出方法的综合表现更优秀。