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:
采用风电机组SCADA数据库中并网下正常运行数据,利用四种算法筛选特征变量,经三种机器学习模型对比建立最优算法模型XGBoost对主轴承进行故障监测,利用特征重要性排序作为故障原因诊断与定位的参考。
推荐文章
基于小波包和Hilbert包络分析的隧道掘进机主轴承故障诊断方法研究
掘进机
主轴承
小波包变换
Hilbert包络谱
LabVIEW
故障诊断
基于小波包和SGD-XGBoost的模拟电路故障诊断方法
随机梯度下降法
小波包变换
故障诊断
基于改进粒子群优化XGBoost的变压器故障诊断方法
变压器
故障诊断
极端梯度提升
粒子群算法
无编码比值
细纱机主轴轴承装配高效工装的设计
细纱机
主轴轴承
主轴轴承扳手
扭矩扳手
套筒头
主轴止动规
径向游隙
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XGBoost算法模型的风机主轴承故障监测与诊断方法
来源期刊 电力设备管理 学科 工学
关键词 风电机组 主轴承 XGBoost 故障诊断
年,卷(期) dlsbgl_2020,(7) 所属期刊栏目
研究方向 页码范围 113-115
页数 3页 分类号 TP3
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  (5)
共引文献  (0)
参考文献  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(4)
  • 参考文献(4)
  • 二级参考文献(0)
2020(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
风电机组
主轴承
XGBoost
故障诊断
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
电力设备管理
月刊
2096-2711
10-1454/TM
16开
北京市西城区广安门内大街6号A-1-11
2016
chi
出版文献量(篇)
2356
总下载数(次)
16
论文1v1指导