-
公开(公告)号：CN106777606A
公开(公告)日：2017-05-31
申请号：CN201611097387.2
申请日：2016-12-02
Applicant: 上海电机学院
Abstract: 本发明公开了本发明提供了一种基于核主成分分析(KPCA)和支持向量机的风电机组齿轮箱的故障预测诊断方法，在充分考虑了齿轮箱故障发生时各元件温度变化以及故障发生前后输出功率变化等指标的基础上，以KPCA算法来降低输入维度进行特征提取，舍弃不相关的数据，可以大大提高模型训练速度，减少故障诊断时间。同时引入了支持向量机能对数据进行分类训练提高泛化能力，并且借助专家系统对结果进行分析和解释，能够为人机交互界面提供准确而又详实的信息，从而实现了对故障的精确诊断。
Search Results
21
records
(took 0.014 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
