典型文献
基于LSTNet网络的风电机组发电机主轴承温度预测研究
文献摘要：
发电机主轴承温度的预测对风电机组的状态监测和故障预警具有重要的意义.为提高主轴承温度预测的准确性,提出一种基于LSTNet网络的预测方法.首先,针对观测向量选择缺乏理论依据和特征冗余的问题,采用灰色关联度分析筛选出与主轴承温度关联性较强的特征参数,然后结合MIV指标计算出每个参数的平均影响值,进一步比较特征参数对主轴承温度的影响程度,最终选择出4个特征参数参与模型预测,最后利用LSTNet多变量时间序列框架,融合GRU、RNN、LSTM网络的结构特点,建立LSTNet网络预测模型,并与SVR、RNN和LSTM预测方法作对比.结果表明:基于LSTNet模型的长期和短期时间序列多步预测方法,预测准确率达到99.3％,明显优于文中其他方法,有效提升了发电机主轴承温度的预测精度.
文献关键词：
风电机组;发电机主轴承;灰色关联度分析;LSTNet网络;温度预测
中图分类号：
作者姓名：
刘杰;蒋树旗
作者机构：
沈阳工业大学机械工程学院,辽宁 沈阳110870
文献出处：
引用格式：
[1]刘杰;蒋树旗-.基于LSTNet网络的风电机组发电机主轴承温度预测研究)[J].传感技术学报,2022(07):945-951
A类：
发电机主轴承
B类：
LSTNet,风电机组,主轴承温度,温度预测,预测研究,状态监测,故障预警,警具,测向,灰色关联度分析,MIV,指标计算,平均影响值,比较特征,多变量时间序列,GRU,RNN,SVR,时间序列多步预测,预测准确率,其他方法
AB值：
0.186654
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。
