钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
文献导航
学科分类
>
综合
工业技术
科教文艺
医药卫生
基础科学
经济财经
社会科学
农业科学
哲学政法
社会科学II
哲学与人文科学
社会科学I
经济与管理科学
工程科技I
工程科技II
医药卫生科技
信息科技
农业科技
数据库索引
>
中国科学引文数据库
工程索引(美)
日本科学技术振兴机构数据库(日)
文摘杂志(俄)
科学文摘(英)
化学文摘(美)
中国科技论文统计与引文分析数据库
中文社会科学引文索引
科学引文索引(美)
中文核心期刊
cscd
ei
jst
aj
sa
ca
cstpcd
cssci
sci
cpku
默认
篇关摘
篇名
关键词
摘要
全文
作者
作者单位
基金
分类号
搜索文章
搜索思路
钛学术文献服务平台
\
学术期刊
\
工业技术期刊
\
电工技术期刊
\
热力发电期刊
\
基于LM算法建立风电机组神经网络故障预警诊断模型
基于LM算法建立风电机组神经网络故障预警诊断模型
作者:
史贝贝
宋德宽
巨林仓
杨清宇
原文服务方:
热力发电
风力发电
LM算法
局部极小
故障预警诊断
模型
Matcom软件
摘要:
基于人工神经网络LM算法,建立了风力发电机组故障预警诊断模型.神经网络LM算法是一种BP的改进算法,但同时也存在易陷入局部极小的问题,对此采用施加动量使其跳出局部极小的方法,取得了良好的效果.应用Matcom工具实现VC++与Matlab软件混合编程的方法,解决了算法程序化过程中遇到的复杂矩阵运算问题,提高了算法性能.将改进后的算法用于结构为15-22-4的风电机组故障预警诊断模型训练和检验,结果证明网络收敛性能良好.该算法模型已嵌入风电机组故障预警诊断软件中.
下载原文
收藏
引用
分享
推荐文章
基于LVQ神经网络风电机组齿轮箱故障诊断研究
LVQ神经网络
BP神经网络
风电机组
齿轮箱
故障诊断
基于LM-BP神经网络的气阀故障诊断方法
Levenberg-Marquardt算法
BP神经网络
多级往复式压缩机
气阀故障
基于长短时记忆神经网络的风电机组滚动轴承故障诊断方法
风电机组
滚动轴承
故障诊断
回归神经网络
长短时记忆神经网络
小波包变换
基于模糊神经网络的复杂网络故障诊断设计
复杂网络
隶属度
模糊神经网络
故障诊断
内容分析
文献信息
版权信息
引文网络
相关学者/机构
相关基金
期刊文献
内容分析
关键词云
关键词热度
相关文献总数
(/次)
(/年)
文献信息
篇名
基于LM算法建立风电机组神经网络故障预警诊断模型
来源期刊
热力发电
学科
关键词
风力发电
LM算法
局部极小
故障预警诊断
模型
Matcom软件
年,卷(期)
2010,(12)
所属期刊栏目
研究方向
页码范围
44-49
页数
分类号
TP183
字数
语种
中文
DOI
10.3969/j.issn.1002-3364.2010.12.044
五维指标
作者信息
序号
姓名
单位
发文数
被引次数
H指数
G指数
1
巨林仓
西安交通大学能源与动力工程学院
28
240
9.0
13.0
2
杨清宇
西安交通大学电子与信息工程学院
29
431
10.0
20.0
3
史贝贝
西安交通大学电子与信息工程学院
1
13
1.0
1.0
4
宋德宽
西安交通大学能源与动力工程学院
1
13
1.0
1.0
传播情况
被引次数趋势
(/次)
(/年)
版权信息
全文
全文.pdf
引文网络
引文网络
二级参考文献
(24)
共引文献
(79)
参考文献
(10)
节点文献
引证文献
(13)
同被引文献
(25)
二级引证文献
(17)
1982(1)
参考文献(0)
二级参考文献(1)
1994(1)
参考文献(0)
二级参考文献(1)
1996(1)
参考文献(0)
二级参考文献(1)
1997(1)
参考文献(0)
二级参考文献(1)
1998(2)
参考文献(0)
二级参考文献(2)
1999(1)
参考文献(0)
二级参考文献(1)
2000(3)
参考文献(0)
二级参考文献(3)
2001(2)
参考文献(0)
二级参考文献(2)
2002(1)
参考文献(0)
二级参考文献(1)
2003(2)
参考文献(0)
二级参考文献(2)
2004(4)
参考文献(2)
二级参考文献(2)
2005(1)
参考文献(0)
二级参考文献(1)
2006(4)
参考文献(0)
二级参考文献(4)
2007(3)
参考文献(2)
二级参考文献(1)
2008(3)
参考文献(2)
二级参考文献(1)
2009(4)
参考文献(4)
二级参考文献(0)
2010(0)
参考文献(0)
二级参考文献(0)
引证文献(0)
二级引证文献(0)
2013(4)
引证文献(4)
二级引证文献(0)
2014(5)
引证文献(5)
二级引证文献(0)
2015(6)
引证文献(1)
二级引证文献(5)
2016(4)
引证文献(1)
二级引证文献(3)
2017(4)
引证文献(0)
二级引证文献(4)
2018(2)
引证文献(0)
二级引证文献(2)
2019(3)
引证文献(2)
二级引证文献(1)
2020(2)
引证文献(0)
二级引证文献(2)
研究主题发展历程
节点文献
风力发电
LM算法
局部极小
故障预警诊断
模型
Matcom软件
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
热力发电
主办单位:
西安热工研究院有限公司
中国电机工程学会
出版周期:
月刊
ISSN:
1002-3364
CN:
61-1111/TM
开本:
大16开
出版地:
西安市雁塔区雁翔路99号博源科技广场A座
邮发代号:
创刊时间:
1972-01-01
语种:
中文
出版文献量(篇)
6331
总下载数(次)
0
总被引数(次)
39999
期刊文献
相关文献
1.
基于LVQ神经网络风电机组齿轮箱故障诊断研究
2.
基于LM-BP神经网络的气阀故障诊断方法
3.
基于长短时记忆神经网络的风电机组滚动轴承故障诊断方法
4.
基于模糊神经网络的复杂网络故障诊断设计
5.
基于卷积神经网络的网络故障诊断模型
6.
一种基于模糊神经网络融合的故障诊断模型研究
7.
概率神经网络故障诊断的粗糙集优化方法
8.
基于特征评估和神经网络的机械故障诊断模型
9.
基于SA-WNN模型的水电机组故障诊断研究
10.
基于概率神经网络的燃气调压器故障诊断模型
11.
基于小波包-神经网络的电厂发电机组故障诊断研究
12.
基于改进证据理论和神经网络的故障诊断模型
13.
神经网络故障诊断算法及嵌入式系统应用
14.
基于LM-BP神经网络算法的模拟电路故障诊断
15.
基于SA-KM算法和RBF神经网络的变压器故障诊断模型研究
推荐文献
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
根据相关规定,获取原文需跳转至原文服务方进行注册认证身份信息
完成下面三个步骤操作后即可获取文献,阅读后请
点击下方页面【继续获取】按钮
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
原文合作方
继续获取
获取文献流程
1.访问原文合作方请等待几秒系统会自动跳转至登录页,首次访问请先注册账号,填写基本信息后,点击【注册】
2.注册后进行实名认证,实名认证成功后点击【返回】
3.检查邮箱地址是否正确,若错误或未填写请填写正确邮箱地址,点击【确认支付】完成获取,文献将在1小时内发送至您的邮箱
*若已注册过原文合作方账号的用户,可跳过上述操作,直接登录后获取原文即可
点击
【获取原文】
按钮,跳转至合作网站。
首次获取需要在合作网站
进行注册。
注册并实名认证,认证后点击
【返回】按钮。
确认邮箱信息,点击
【确认支付】
, 订单将在一小时内发送至您的邮箱。
*
若已经注册过合作网站账号,请忽略第二、三步,直接登录即可。
期刊分类
期刊(年)
期刊(期)
期刊推荐
一般工业技术
交通运输
军事科技
冶金工业
动力工程
化学工业
原子能技术
大学学报
建筑科学
无线电电子学与电信技术
机械与仪表工业
水利工程
环境科学与安全科学
电工技术
石油与天然气工业
矿业工程
自动化技术与计算机技术
航空航天
轻工业与手工业
金属学与金属工艺
热力发电2000
热力发电2001
热力发电2002
热力发电2003
热力发电2004
热力发电2005
热力发电2006
热力发电2007
热力发电2008
热力发电2009
热力发电2010
热力发电2011
热力发电2012
热力发电2014
热力发电2015
热力发电2016
热力发电2017
热力发电2018
热力发电2019
热力发电2020
热力发电2013
热力发电2010年第4期
热力发电2010年第6期
热力发电2010年第10期
热力发电2010年第2期
热力发电2010年第12期
热力发电2010年第7期
热力发电2010年第9期
热力发电2010年第3期
热力发电2010年第8期
热力发电2010年第5期
热力发电2010年第11期
热力发电2010年第1期
关于我们
用户协议
隐私政策
知识产权保护
期刊导航
免费查重
论文知识
钛学术官网
按字母查找期刊:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他
联系合作 广告推广: shenyukuan@paperpass.com
京ICP备2021016839号
营业执照
版物经营许可证:新出发 京零 字第 朝220126号