為減少風(fēng)電機(jī)組齒輪箱故障,提出一種基于數(shù)據(jù)預(yù)處理的超限學(xué)習(xí)機(jī)（ELM）風(fēng)電機(jī)組齒輪箱油溫預(yù)測(cè)方法。鑒于SCADA系統(tǒng)中數(shù)據(jù)信息質(zhì)量的不確定性和冗余性,首先通過平滑處理去除噪聲,再由相關(guān)性分析和信息熵計(jì)算,得到復(fù)合要求的模型輸入變量數(shù)據(jù),此數(shù)據(jù)預(yù)處理方法確保了對(duì)最終預(yù)測(cè)貢獻(xiàn)的確定性,最后利用ELM預(yù)測(cè)模型進(jìn)行齒輪箱油溫預(yù)測(cè)。通過預(yù)測(cè)結(jié)果分析對(duì)比,此模型在保證預(yù)測(cè)精度的同時(shí)大幅降低了計(jì)算的復(fù)雜度,驗(yàn)證了所提算法的優(yōu)越性。 

【文章來源】：組合機(jī)床與自動(dòng)化加工技術(shù). 2020,(11)北大核心

【文章頁(yè)數(shù)】：4 頁(yè)

【文章目錄】：
0 引言
1 信息熵和超限學(xué)習(xí)機(jī)
    1.1 Shannon信息熵
    1.2 超限學(xué)習(xí)機(jī)
2 基于數(shù)據(jù)預(yù)處理的ELM預(yù)測(cè)模型算法流程
3 建模與預(yù)測(cè)
4 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于信息熵的高維稀疏大數(shù)據(jù)降維算法研究[J]. 何興高,李蟬娟,王瑞錦,鄧伏虎,劉行.  電子科技大學(xué)學(xué)報(bào). 2018(02)
[2]風(fēng)力發(fā)電機(jī)組故障診斷與預(yù)測(cè)技術(shù)研究綜述[J]. 金曉航,孫毅,單繼宏,吳根勇.  儀器儀表學(xué)報(bào). 2017(05)
[3]基于改進(jìn)型HMM的風(fēng)電機(jī)組齒輪箱故障預(yù)測(cè)[J]. 曾承志,姚興佳,唐德堯,胡亮紅.  太陽(yáng)能學(xué)報(bào). 2016(04)
[4]基于深度學(xué)習(xí)理論的機(jī)械裝備大數(shù)據(jù)健康監(jiān)測(cè)方法[J]. 雷亞國(guó),賈峰,周昕,林京.  機(jī)械工程學(xué)報(bào). 2015(21)
[5]基于子空間方法的風(fēng)機(jī)齒輪箱故障預(yù)測(cè)算法[J]. 趙洪山,郭偉,邵玲,張興科.  電力自動(dòng)化設(shè)備. 2015(03)
[6]變工況條件下的風(fēng)電機(jī)組齒輪箱故障預(yù)警方法[J]. 顧煜炯,宋磊,徐天金,雷啟龍.  中國(guó)機(jī)械工程. 2014(10)
[7]風(fēng)電機(jī)組齒輪箱溫度趨勢(shì)狀態(tài)監(jiān)測(cè)及分析方法[J]. 郭鵬,David Infield,楊錫運(yùn).  中國(guó)電機(jī)工程學(xué)報(bào). 2011(32)



本文編號(hào)：3636491