典型文献
融合分形特征的风机运行状态辨识方法
文献摘要：
为保障风机的安全可靠运行,提出一种融合分形特征的卷积神经网络风机运行状态辨识模型.首先将分形等统计特征分析结果建立为初始样本特征数据集;用噪声环境下基于密度的空间聚类方法对样本状态进行标记,用正则化特征选择方法确定最终的样本特征数据集;最后建立卷积神经网络状态辨识模型.结果表明,模型准确率达到98.925％,为实现风机"事前维修"模式提供科学参考和理论指导,可以有效地应用于复杂机电系统状态辨识领域,为风力发电机组以及其他复杂机电系统的数据挖掘、模式识别提供了基础.
文献关键词：
风电机组;分形特征;状态辨识;特征提取
中图分类号：
作者姓名：
郭怡;王荣喜;高建民
作者机构：
西安交通大学机械制造系统工程国家重点实验室,陕西 西安 710049
文献出处：
引用格式：
[1]郭怡;王荣喜;高建民-.融合分形特征的风机运行状态辨识方法)[J].计算机集成制造系统,2022(07):2139-2148
A类：
B类：
分形特征,风机,机运,运行状态辨识,辨识方法,可靠运行,辨识模型,统计特征,立为,样本特征,特征数据集,噪声环境,基于密度,空间聚类,聚类方法,正则化,特征选择,选择方法,立卷,网络状态,模型准确率,事前维修,复杂机电系统,风力发电机组,模式识别,风电机组
AB值：
0.320855
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。
