彈性齒式聯(lián)軸器廠家對風(fēng)機齒輪箱故障診斷預(yù)防
 

泊頭市春華彈性齒式聯(lián)軸器廠家對風(fēng)機齒輪箱故障診斷預(yù)防——聯(lián)軸器齒輪箱作為風(fēng)力發(fā)電機的關(guān)鍵部件，針對風(fēng)力發(fā)電機聯(lián)軸器齒輪箱故障診斷的研究一直是是國內(nèi)外學(xué)者研究熱點，按照故障診斷的研究方法大致可分為是基于數(shù)學(xué)模型的方法和基于人工智能的方法的兩種方法，故障信號處理的方法和基于過程參數(shù)估計的方法兩種。

　隨著社會的進(jìn)步和科技的發(fā)展，人工智能技術(shù)已成功應(yīng)用于社會的各行業(yè)中，智能化診斷也將成為診斷領(lǐng)域的發(fā)展方向，（一）人工智能診斷方法主要包括專家系統(tǒng)診斷、模糊數(shù)學(xué)、人工神經(jīng)網(wǎng)絡(luò)等智能化診斷方法。（二）人工神經(jīng)網(wǎng)絡(luò)以其   的容錯、聯(lián)想、記憶、推測、自適應(yīng)等性能，現(xiàn)已被成功應(yīng)用到許多學(xué)科中，在聯(lián)軸器齒輪箱故障診斷與預(yù)警方面也有大量研究成果。（三）回聲狀態(tài)網(wǎng)絡(luò)(EchoStateNetwork，ESN)是Jaeger提出的一種新型遞歸神經(jīng)網(wǎng)絡(luò)，其思想源于流體狀態(tài)機(LiquidStateMachine，LSM)，其之處在于采用隨機稀疏連接的神經(jīng)元組成的動態(tài)儲備池(DynamicReservoir，DR)，用于對輸入進(jìn)行高維、非線性的表示。（四）和傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)相比，回聲狀態(tài)網(wǎng)絡(luò)的穩(wěn)定性   好，網(wǎng)絡(luò)輸出權(quán)值的確定是 優(yōu)的，克服了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)局部 小問題，并簡化了網(wǎng)絡(luò)訓(xùn)練過程。在時間序列預(yù)測方面表現(xiàn)出較好的性能，被成功應(yīng)用于移動通信話務(wù)量的預(yù)測、高爐煤氣發(fā)生量的預(yù)測和風(fēng)電功率的預(yù)測等領(lǐng)域。若將回聲狀態(tài)網(wǎng)絡(luò)的預(yù)測性能成功應(yīng)用到機械設(shè)備運行狀態(tài)的趨勢預(yù)測中，將實現(xiàn)對機械設(shè)備故障的早期預(yù)警，具有重大意義。

  及以上幾點是春華傳動機械對風(fēng)機聯(lián)軸器齒輪箱的故障診斷預(yù)防。此資料由春華傳動機械整理提供。