典型文献
基于多特征信息融合的风电机组整机性能评估
文献摘要：
为解决风电机组单一健康状态模型可能发生误报的问题,提出一种基于信息融合的风电机组整机性能评估方法.首先改进了局部离群因子算法(LOF),用于筛选正常运行数据,使用Kendall相关系数进行参数选择,并基于深度信念网络(DBN)建立多个健康状态模型,提取实际运行数据与模型预测值的残差作为性能特征.再使用自组织映射神经网络(SOM)将残差空间映射到风电机组运行状态空间以实现信息融合,通过计算状态劣化指数来构建性能指标的方法,对风电机组进行性能评估.最后,通过实际的风电机组运行数据验证了所提方法的有效性.
文献关键词：
风电机组;性能评估;信息融合;深度信念网络;自组织映射
中图分类号：
作者姓名：
曾天生;刘航;陈汉斯;王峥;褚学宁
作者机构：
上海交通大学机械与动力工程学院,上海 200240;郑州航空工业管理学院管理工程学院,河南 郑州 450015
文献出处：
引用格式：
[1]曾天生;刘航;陈汉斯;王峥;褚学宁-.基于多特征信息融合的风电机组整机性能评估)[J].计算机集成制造系统,2022(04):1052-1061
A类：
B类：
多特征信息融合,整机性能,性能评估,健康状态模型,误报,局部离群因子,LOF,运行数据,Kendall,参数选择,深度信念网络,DBN,实际运行,性能特征,自组织映射神经网络,SOM,空间映射,射到,风电机组运行,机组运行状态,状态空间,劣化,数据验证
AB值：
0.269539
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。
