论文部分内容阅读
在风力发电机组运行维护过程中,对设备故障诊断的要求越来越高,随着近年来大数据的广泛应用,其对风力发电的影响也越来越大,许多研究人员基于大数据展开了相关工作。在利用风电机组SACDA数据进行故障诊断的过程中,所用的特征量不同,解决问题的效果会受到影响。为了提高风电机组故障诊断的精准性,须要对其所用到的故障特征进行选择。文章提出了用最小角回归(Least Angle Regression, LARS)方法来对特征向量进行选择,针对这些被选出的特征向量用HMM(Hidden Markov Model)建立故障模