针对风机齿轮箱磨损状态识别中传统算法识别准确率低的问题，该文提出了一种基于BP神经网络的风机齿轮箱磨损状态的识别方法。该方法基于油液在线监测的多维数据样本，构建BP神经网络风机齿轮箱磨损状态识别模型。仿真实验中，在经过对测试数据学习训练后，BP神经网络和传统聚类算法分别对一组测试数据进行磨损状态识别，BP神经网络模型的风机齿轮箱磨损状态识别准确率可达到98%，而相同样本下，传统聚类算法的识别准确率仅为90.4%。对比实验结果表明，所提方法具有更高的识别准确率。
科研之友
微信
新浪微博
Facebook
分享链接
