典型文献
基于缺失数据填补的风电齿轮箱状态监测研究
文献摘要：
风电机组监控和数据采集系统的现场数据普遍存在缺失问题,会对下游状态监测任务产生一定负面影响.为此,提出一种结合注意力机制的掩膜自编码网络,用于填补面板数据样本中的缺失值,增加可用样本数量,提升状态监测结果的准确性与连续性.该方法以降噪自编码网络为整体框架,在编码阶段通过注意力机制对缺失值进行掩膜处理,赋予缺失值更高的权重以强化网络对其关注程度,在解码阶段将缺失值填补后输出完备数据样本.随后,利用长短时记忆网络提取的样本特征对目标变量参数进行预测,依据预测残差实现状态监测.使用某风电齿轮箱运行数据验证,结果表明:提出方法的数据填补偏差相较对比方法至少改善17.2％;与数据填补前相比,数据填补后样本数量显著增加,使状态监测网络对正常数据的预测残差平均下降37.4％,对故障数据的检测率提升6.8％.
文献关键词：
缺失数据填补;自编码网络;注意力机制;风电机组;状态监测
中图分类号：
作者姓名：
徐健;刘长良;王梓齐;赵陆阳
作者机构：
华北电力大学自动化系 保定 071003
文献出处：
引用格式：
[1]徐健;刘长良;王梓齐;赵陆阳-.基于缺失数据填补的风电齿轮箱状态监测研究)[J].仪器仪表学报,2022(09):88-97
A类：
B类：
缺失数据填补,风电齿轮箱,齿轮箱状态监测,风电机组,数据采集系统,现场数据,注意力机制,掩膜,自编码网络,补面,样本数量,监测结果,降噪自编码,整体框架,在编,膜处理,解码,缺失值填补,长短时记忆网络,样本特征,据预测,预测残差,运行数据,数据验证,比方,监测网络,故障数据,检测率
AB值：
0.278357
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。
