典型文献
基于CNN-集成学习的多风电机组故障诊断
文献摘要：
海上风电场地处偏远环境,长期受到盐碱腐蚀.为解决风电机组运行过程中产生的多种故障检测识别问题,在传统卷积神经网络LeNet-5的基础上构建模型.该模型采用ReLU函数作为激活函数,增加了卷积层、池化层和全连接层.针对风电机组的监督控制和数据采集?(supervisory?control?and?data?acquisition,?SCADA)系统及状态监控(condition?monitoring,?CM)系统所提供的数据集,进行多元类别故障诊断.并对多台风电机组进行聚类分析,应用集成学习方法,构建多风电机组故障诊断模型.实验表明,所提方法取得了97％?～?99％的诊断精度.通过将实验结果与其他算法进行对比,验证了该方法的有效性.
文献关键词：
故障诊断;LeNet-5网络;监督控制和数据采集;多元类别;集成学习
中图分类号：
作者姓名：
叶祎旎;李艳婷
作者机构：
上海交通大学 机械与动力工程学院, 上海 200241
文献出处：
引用格式：
[1]叶祎旎;李艳婷-.基于CNN-集成学习的多风电机组故障诊断)[J].工业工程,2022(01):136-143
A类：
监督控制和数据采集,多元类别
B类：
多风电机组,海上风电场,偏远,盐碱,碱腐蚀,风电机组运行,故障检测,检测识别,LeNet,构建模型,ReLU,激活函数,卷积层,池化,全连接层,supervisory,control,data,acquisition,SCADA,状态监控,condition,monitoring,CM,多台,台风,应用集成,集成学习方法,故障诊断模型
AB值：
0.339783
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
