期刊导航
期刊开放获取
重庆大学
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于样本优化的风电机组齿轮箱轴承温度预测
被引量：
21
1
作者
李大中
常城
许炳坤
《系统仿真学报》
CAS
CSCD
北大核心
2017年第2期374-380,共7页
风电机组的状态检测对于提高机组运行水平及降低维护成本意义重大。利用非线性状态估计(NSET)方法建立齿轮箱轴承温度模型并用其进行轴承温度预测;针对观测向量选择缺乏理论依据的问题采用灰色关联度分析法验证变量选择的合理性;针对过...
风电机组的状态检测对于提高机组运行水平及降低维护成本意义重大。利用非线性状态估计(NSET)方法建立齿轮箱轴承温度模型并用其进行轴承温度预测;针对观测向量选择缺乏理论依据的问题采用灰色关联度分析法验证变量选择的合理性;针对过程记忆矩阵存在数据冗余的问题采用相似度分析法构造简约过程记忆矩阵缩短建模时间。齿轮箱工作状态异常时模型的预测残差分布特性将发生变化,当残差均值或标准差超出设定阈值则给出预警。验证结果表明:基于样本优化的模型可以准确预测轴承温度并有较好的时效性,可以监测齿轮箱的运行状态。
展开更多
关键词
风电机组
齿轮箱轴承温度
样本优化
预测
原文传递
根据PCA-GA-Elman的风机齿轮箱轴承温度预测
被引量：
10
2
作者
贾依达尔·热孜别克
袁逸萍
+3 位作者
孙文磊
赵琴
樊盼
王炜超
《机械科学与技术》
CSCD
北大核心
2020年第11期1671-1675,共5页
针对风电机组齿轮箱轴承温度易受随机因素影响及预测准确性低的问题,以准确预测短期内温度变化为目标,通过对风电机组齿轮箱轴承温度发展趋势的研究,提出一种主成分分析(Principal component analysis,PCA)、遗传算法(Genetic algorithm...
针对风电机组齿轮箱轴承温度易受随机因素影响及预测准确性低的问题,以准确预测短期内温度变化为目标,通过对风电机组齿轮箱轴承温度发展趋势的研究,提出一种主成分分析(Principal component analysis,PCA)、遗传算法(Genetic algorithm,GA)及Elman神经网络结合的预测模型。该模型通过主成分分析对高维复杂原始变量进行降维,主成分(PC)作为经GA优化的Elman神经网络的输入。新方法充分考虑轴承温度发展趋势中的随机波动成分,挖掘历史数据变化规律。结果表明:新方法对轴承温度发展中的随机波动趋势拟合效果较好,稳定性、准确性均优于文中其他方法,能够有效实现轴承温度的精确预测。
展开更多
关键词
风电机组
齿轮箱轴承温度
主成分分析
遗传算法
ELMAN神经网络
预测
下载PDF
职称材料
题名
基于样本优化的风电机组齿轮箱轴承温度预测
被引量：
21
1
作者
李大中
常城
许炳坤
机构
华北电力大学自动化系
出处
《系统仿真学报》
CAS
CSCD
北大核心
2017年第2期374-380,共7页
文摘
风电机组的状态检测对于提高机组运行水平及降低维护成本意义重大。利用非线性状态估计(NSET)方法建立齿轮箱轴承温度模型并用其进行轴承温度预测;针对观测向量选择缺乏理论依据的问题采用灰色关联度分析法验证变量选择的合理性;针对过程记忆矩阵存在数据冗余的问题采用相似度分析法构造简约过程记忆矩阵缩短建模时间。齿轮箱工作状态异常时模型的预测残差分布特性将发生变化,当残差均值或标准差超出设定阈值则给出预警。验证结果表明:基于样本优化的模型可以准确预测轴承温度并有较好的时效性,可以监测齿轮箱的运行状态。
关键词
风电机组
齿轮箱轴承温度
样本优化
预测
Keywords
wind turbine
gear box bearing temperature
sample optimization
prediction
分类号
TM315 [电气工程—电机]
原文传递
题名
根据PCA-GA-Elman的风机齿轮箱轴承温度预测
被引量：
10
2
作者
贾依达尔·热孜别克
袁逸萍
孙文磊
赵琴
樊盼
王炜超
机构
新疆大学机械工程学院
出处
《机械科学与技术》
CSCD
北大核心
2020年第11期1671-1675,共5页
基金
国家自然科学基金项目(51565055,51365054,51666017)资助。
文摘
针对风电机组齿轮箱轴承温度易受随机因素影响及预测准确性低的问题,以准确预测短期内温度变化为目标,通过对风电机组齿轮箱轴承温度发展趋势的研究,提出一种主成分分析(Principal component analysis,PCA)、遗传算法(Genetic algorithm,GA)及Elman神经网络结合的预测模型。该模型通过主成分分析对高维复杂原始变量进行降维,主成分(PC)作为经GA优化的Elman神经网络的输入。新方法充分考虑轴承温度发展趋势中的随机波动成分,挖掘历史数据变化规律。结果表明:新方法对轴承温度发展中的随机波动趋势拟合效果较好,稳定性、准确性均优于文中其他方法,能够有效实现轴承温度的精确预测。
关键词
风电机组
齿轮箱轴承温度
主成分分析
遗传算法
ELMAN神经网络
预测
Keywords
wind turbines
gearbox bearing temperature
principal component analysis
genetic algorithm
Elman neural network
prediction
分类号
TP277 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于样本优化的风电机组齿轮箱轴承温度预测
李大中
常城
许炳坤
《系统仿真学报》
CAS
CSCD
北大核心
2017
21
原文传递
2
根据PCA-GA-Elman的风机齿轮箱轴承温度预测
贾依达尔·热孜别克
袁逸萍
孙文磊
赵琴
樊盼
王炜超
《机械科学与技术》
CSCD
北大核心
2020
10
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
