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
  • 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。