典型文献
基于MIC-(PSO-BP)-MWA-KDE的风电机组齿轮箱油温预警方法
文献摘要：
针对风电机组齿轮箱故障预警问题,提出一种基于MIC-(PSO-BP)-MWA-KDE的齿轮箱油温预警方法.首先,使用最大互信息系数(Maximal Information Coefficient,MIC)求出与齿轮箱油温相关性高的参数作为模型的输入,采用PSO-BP神经网络构建齿轮箱油温预测模型.然后,通过计算齿轮箱油温实际值与预测值的残差绝对值,结合移动加权平均法(Moving Weighted Average,MWA)、核密度估计(Kernel Density Estimation,KDE)建立齿轮箱状态监测模型.通过实际案例分析可知,本文提出的预警方法可提前齿轮箱油温异常预警时间,预警时间提前约11小时.
文献关键词：
风机齿轮箱;状态监测;故障预警;神经网络
中图分类号：
作者姓名：
彭丽君;刘绪军
作者机构：
江西工程学院,大数据与计算机学院,江西 新余 338000
文献出处：
引用格式：
[1]彭丽君;刘绪军-.基于MIC-(PSO-BP)-MWA-KDE的风电机组齿轮箱油温预警方法)[J].电脑与信息技术,2022(03):49-52
A类：
B类：
MIC,PSO,MWA,KDE,风电机组,预警方法,故障预警,最大互信息系数,Maximal,Information,Coefficient,网络构建,油温预测,加权平均法,Moving,Weighted,Average,核密度估计,Kernel,Density,Estimation,齿轮箱状态监测,监测模型,实际案例,前齿,异常预警,预警时间,风机齿轮箱
AB值：
0.347606
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。
