基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
首先,对风电机组运行工况复杂、单机容量小、状态监测设备安装成本高,故障发生原因复杂、参数间非线性强等特点,提出了基于自适应神经模糊推理系统(Adaptive Neuro-Fuzzy Inference System,ANFIS)齿轮箱油温故障预警。本论文从工程实际出发,以某风电场实际运行的1.5MW并网风电机组SCADA系统数据为基础,采用ANFIS方法建立齿轮箱油温故障诊断模型,结合自适应阈值检测状态监测量的趋势变化,并通过相对均方根误差、诊断正确率、诊断错误率、诊断结果为故障时的诊断成功率、诊断结果为故障时的可信度等多方面的评估指标验证了故障诊断模型的准确性和有效。
推荐文章
基于DHNN的风电机组齿轮箱故障诊断
离散Hopfield神经网络
齿轮箱
故障诊断
泛化能力
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
风电机组齿轮箱润滑油过热原因及对策
齿轮箱
油冷系统
控制阀组
油温高
散热片
基于在线油液磨粒检测的风电机组齿轮箱磨损状态监控
油液检测
风电机组齿轮箱
磨损
状态监控
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ANFIS的风电机组齿轮箱油温故障预警
来源期刊 风力发电 学科 工学
关键词 SCADA数据 故障预警 ANFIS 滑动窗口 趋势预测
年,卷(期) flfd,(2) 所属期刊栏目
研究方向 页码范围 21-25
页数 8页 分类号 TM6
字数 语种
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2019(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)
研究主题发展历程
节点文献
SCADA数据
故障预警
ANFIS
滑动窗口
趋势预测
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
风力发电
双月刊
北京市西城区阜成门北大街6号-9国际投资
出版文献量(篇)
1334
总下载数(次)
16
论文1v1指导