论文部分内容阅读
为了提高回转支承运行可靠性,及时发现其潜在的失效,实施良好的设备维护与管理,有必要对其进行健康状态评估.选取表征回转支承健康状态的温度和扭矩作为特征参量,建立了一种采用遗传算法优化动态递归Elman神经网络的回转支承多参量健康状态评估模型,并利用3 MW变桨回转支承疲劳寿命实验数据对该模型进行了网络训练和测试.结果表明,该模型评估结果与实验值相符,可准确地对回转支承进行健康状态评估.