基于小波神经网络的风机故障诊断

被引：16

作者：

刘国奇 ^{[1
,2
]}

毛海宇 ^{[2
]}

蒲宝明 ^{[1
]}

朱永峰 ^{[3
]}

黄金 ^{[2
]}

机构：

[1] 中国科学院沈阳计算技术研究所

[2] 东北大学软件学院

[3] 北京岳能科技有限公司

来源：

小型微型计算机系统 | 2015年 / 36卷 / 07期

关键词：

故障诊断; 数据挖掘; 故障偏移向量;

D O I：

10.20009/j.cnki.21-1106/tp.2015.07.018

中图分类号：

TP183 [人工神经网络与计算]; TM315 [风力发电机];

学科分类号：

080802 [电力系统及其自动化]; 140502 [人工智能];

摘要：

主要研究在海量风机运行历史数据中,发现各个故障发生时参数取值的变化从而来达到诊断故障的目的.首先对某种故障的数据进行预处理,然后运用主成分分析法删除无关属性对数据进行降维,接着用一部分训练小波神经网络,另外一部分测试小波神经网络.本文定义了故障偏移向量组的一系列概念,将小波神经网络测试误差几乎为0的历史状态数据取出,利用故障偏移向量组的概念对故障发生时参数的取值进行分析,得出该故障的故障偏移向量组.用同样的方法得出其他故障对应的故障偏移向量组,从而通过故障偏移向量组来诊断故障.

引用

页码：1504 / 1508

页数：5

共 13 条

[1]

分布式卫星网络故障诊断算法 [J].

江玉洁 ;

姚晔 ;

梁旭文 .

小型微型计算机系统, 2013, 34 (11) :2518-2523

[2]

基于信息融合理论的风机故障诊断 [J].

李宁 ;

王李管 ;

贾明滔 ;

毕林 ;

张建国 .

中南大学学报(自然科学版), 2013, 44 (07) :2861-2866

[3]

基于综合优化方法的风力发电机故障诊断 [J].

焦斌 ;

徐志翔 .

控制工程, 2012, 19 (04) :681-686

[4]

传感器网络调试研究综述 [J].

马峻岩 ;

周兴社 ;

张羽 ;

李士宁 ;

李志刚 .

计算机学报, 2012, 35 (03) :405-422

[5]

基于小波神经网络的风力发电机故障诊断 [J].

庄哲民 ;

殷国华 ;

李芬兰 ;

江钟伟 .

电工技术学报, 2009, 24 (04) :224-228

[6]

Soft Fault Diagnosis for Analog Circuits Based on Slope Fault Feature and BP Neural Networks.[J].胡梅;王红;胡庚;杨士元;.Tsinghua Science and Technology.2007, S1

[7]

Wind Turbine Gearbox Fault Diagnosis Method Based on Riemannian Manifold.[J].Shoubin Wang;Xiaogang Sun;Chengwei Li;Weichao Sun.Mathematical Problems in Engineering.2014,

[8]

A unified framework for semi-supervised dimensionality reduction [J].

Song, Yangqiu ;

Nie, Feiping ;

Zhang, Changshui ;

Xiang, Shiming .

PATTERN RECOGNITION, 2008, 41 (09) :2789-2799

[9]

SIMAP: Intelligent System for Predictive Maintenance.[J].Mari Cruz Garcia;Miguel A. Sanz-Bobi;Javier del Pico.Computers in Industry.2006, 6

[10]

Advanced Data Clustering Methods of Mining Web Documents.[J].Samuel Sambasivam;Nick Theodosopoulos.Issues in Informing Science and Information Technology (IISIT).2006,

← 1 2 →