典型文献
基于FFT与DNN的齿轮箱油温数据预测
文献摘要：
针对风电机组齿轮箱油温数值的非线性与相关性,为实现油温的准确预测,提出一种基于快速傅里叶变换(Fast Fourier Transform,FFT)的深度神经网络(Deep Neural Network,DNN)的预测方法.首先,对油温数据进行时间序列特性分析,选择时间窗口对信息进行排列,然后对信息进行FFT并提取其高频幅特征,并把这些特征输入DNN模型中进行训练,最后对输出的结果进行评价.采用实测数据对该方法进行验证,并选用常见模型进行对比,结果验证了该方法的有效性.该方法可以在齿轮箱运行状态异常前预警,降低设备功能性的故障,减少风电机组故障停机的损失,具有实用价值.
文献关键词：
快速傅里叶变换;深度神经网络;齿轮箱;预测
中图分类号：
作者姓名：
甄超;田宇;季坤;张征凯;黄道友
作者机构：
国网安徽省电力有限公司,安徽 合肥 230022
文献出处：
引用格式：
[1]甄超;田宇;季坤;张征凯;黄道友-.基于FFT与DNN的齿轮箱油温数据预测)[J].计算机与现代化,2022(04):17-20,44
A类：
B类：
FFT,DNN,齿轮箱,油温,数据预测,风电机组,准确预测,快速傅里叶变换,Fast,Fourier,Transform,深度神经网络,Deep,Neural,Network,序列特性,择时,时间窗口,故障停机
AB值：
0.314628
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。
