【摘 要】
：
针对风电机组故障诊断中存在的数据量大,提取故障特征困难等问题,结合深度学习理论的强大感知与自我学习能力,提出一种基于深度信念网络的风电机组齿轮箱故障诊断方法。将原
【机 构】
：
北京信息科技大学现代测控技术教育部重点实验室
【基金项目】
：
国家自然科学基金项目（51275052）, 国家高技术发展研究计划项目（2015AA043702）, 北京市教委科研计划项目（KM201611232020）
论文部分内容阅读
针对风电机组故障诊断中存在的数据量大,提取故障特征困难等问题,结合深度学习理论的强大感知与自我学习能力,提出一种基于深度信念网络的风电机组齿轮箱故障诊断方法。将原始时域信号数据输入深度信念网络进行训练,通过反向微调学习对深度信念网络进行整体微调,提高分类准确性;同时,在训练过程加入Batch Normalization,减少过拟合几率,提高网络的收敛速度。将该方法用于风电机组行星齿轮箱的故障诊断,比DBN和BPNN算法及传统故障诊断方法的准确率更高。
其他文献
利用所建立的数学模型,基于昆明典型气象数据,对应用在昆明地区的阳台壁挂式平板型太阳能热水器的水量配比进行了计算。按方位角为0°的计算结果显示,月均、季均和年均水
为提高风力机风能利用率,追求最大风能利用系数,对水平轴风力机最佳攻角与最大升阻比攻角的非等同性进行了理论分析,并采用叶素动量理论对其进行实例论证,以及通过计算流体力
文章提出了同时考虑径向上的非均匀风速分布和轴向控制体侧面上空气流量变化对尾流风速影响的改进模型。采用Jensen模型、轴向改进的半经验模型、径向改进的二维模型、文章提
文章结合青岛某地的波浪发电系统,研发了一种新型的超低比转速混流式水轮机。通过对水轮机全流道进行三维定常不可压缩湍流流场的数值模拟,分析了不同导叶、不同出水边叶片转
针对光伏阵列建模存在所需参数较多和计算较繁琐的弊端,基于一种新型的Bezier函数光伏阵列建模方法,利用厂商给定参数对BN20-M进行建模,并与传统迭代法的计算结果进行对比,利