典型文献
基于OOB-GWO-SVR的风电机组齿轮箱故障预警
文献摘要：
针对风电机组齿轮箱超温出现的故障问题,提出了基于改进参数优化机器学习算法的风电机组齿轮箱故障预警模型.首先,通过随机森林袋外估计确定特征变量,并采用滑动平滑滤波对输入变量进行滤波处理.其次,构建灰狼算法优化支持向量回归模型,根据最优模型输出的偏差值确定状态识别指标.最后,通过时移滑动窗口设置阈值范围,当状态识别指标超出阈值范围之外时立即报警.实验结果表明,该模型能提前87 min对风电机组齿轮箱温度异常发出故障预警,并且预警效果优于距离相关系数-GWO-SVR模型、Pearson-GWO-SVR模型和OOB-SVR模型.
文献关键词：
风电机组;齿轮箱;故障预警;特征提取;智能算法;支持向量回归
中图分类号：
作者姓名：
刘杰;曹静;赵昕
作者机构：
沈阳工业大学机械工程学院 沈阳 110870
文献出处：
引用格式：
[1]刘杰;曹静;赵昕-.基于OOB-GWO-SVR的风电机组齿轮箱故障预警)[J].电子测量与仪器学报,2022(12):97-105
A类：
B类：
OOB,GWO,SVR,风电机组,齿轮箱,故障预警,超温,故障问题,机器学习算法,预警模型,特征变量,平滑滤波,滤波处理,灰狼算法,算法优化,支持向量回归模型,最优模型,模型输出,偏差值,状态识别,识别指标,滑动窗口,设置阈值,阈值范围,温度异常,预警效果,距离相关系数,智能算法
AB值：
0.324157
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。
