《基于KELM和多传感器信息融合的风电齿轮箱故障诊断》PDF+DOC
作者:龙霞飞,杨苹,郭红霞,赵卓立,赵智
单位:国网电力科学研究院
出版:《电力系统自动化》2019年第17期
页数:8页 (PDF与DOC格式可能不同)
PDF编号:PDFDLXT2019170170
DOC编号:DOCDLXT2019170179
下载格式:PDF + Word/doc 文字可复制、可编辑
《风电齿轮箱健康状态远程监测系统》PDF+DOC2017年第06期 谭伟,徐然,米林
《华锐SL1500齿轮箱油温高一般故障解析》PDF+DOC 张海林,侯震宇
《基于模糊神经网络信息融合的采煤机煤岩识别系统》PDF+DOC 王冷
《浅谈风电齿轮箱温度异常诊断流程》PDF+DOC2018年第33期 顾龙月
《面向遥感应用的图像融合的原理和方法》PDF+DOC2001年第04期 刘哲,任金昌,李言俊
《一种多传感器信息融合点目标识别方法(二)》PDF+DOC1997年第05期 李宏,安玮,徐晖,孙仲康
《数据融合的研究综述》PDF+DOC2005年第03期 杨华,林卉
《多传感器信息融合技术在侦察系统中的应用》PDF+DOC2004年第04期 刘朝阳,蔡自兴
《主观Bayes与神经网络组结合的信息融合目标识别》PDF+DOC2007年第03期 覃磊,刘文斌,周康
《风力发电机组振动故障诊断与分析》PDF+DOC2014年第04期 贾轶军
为提高风电齿轮箱的运行效率,降低风电场的运行维护成本,结合时域统计特征分析和多传感器信息融合技术,提出了一种基于灰狼优化核极限学习机(GWO-KELM)的风电齿轮箱状态监测新方法。首先,计算原始振动信号不同的时域统计特征参数,并采用并行叠加的方式对特征级和数据级进行信息融合以得到融合数据集。其次,利用融合数据集,建立了基于GWO-KELM的故障分类识别模型。最后,运用所提方法对QPZZ-Ⅱ旋转机械振动试验台齿轮箱实测数据进行状态监测,实例结果表明了该方法的有效性和可行性,与其他同类方法相比,所提方法具有最佳分类性能。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。