您当前的位置：
首页 >
文章列表页 >
基于概率神经网络-小波神经网络-DS信息融合的电厂引风机故障诊断
发电及环境保护 | 更新时间：2025-06-06

    • 基于概率神经网络-小波神经网络-DS信息融合的电厂引风机故障诊断

    • Fault Diagnosis of Power Plant Induced Draft Fan Based on PNN-WNN-DS Information Fusion

    • “在电厂引风机故障诊断领域，专家提出了基于改进D-S证据理论的融合诊断方法，有效提高了诊断正确率，并合理分配冲突信息。”
    • 发电技术   2022年43卷第6期 页码：951-958

    • DOI：10.12096/j.2096-4528.pgt.22162    

      中图分类号： TM 621

    • 收稿日期：2022-10-24，

      纸质出版日期：2022-12-31

    移动端阅览

  • 张航,周传杰,张林等.基于概率神经网络-小波神经网络-DS信息融合的电厂引风机故障诊断[J].发电技术,2022,43(06):951-958. DOI： 10.12096/j.2096-4528.pgt.22162.

    ZHANG Hang,ZHOU Chuanjie,ZHANG Lin,et al.Fault Diagnosis of Power Plant Induced Draft Fan Based on PNN-WNN-DS Information Fusion[J].Power Generation Technology,2022,43(06):951-958. DOI： 10.12096/j.2096-4528.pgt.22162.

  •  
  •  

0

浏览量

0

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

大模型在电力行业的应用与挑战
基于人工智能的质子交换膜燃料电池状态估计及故障诊断
基于人工智能的可再生能源电解水制氢关键技术及发展前景分析
基于改进灰狼算法优化极限学习机的光伏阵列故障诊断方法研究
基于图正则化堆叠自编码器的风机轴承故障诊断方法

相关作者

丁正桃
严新荣
高翔
林达
郑建
游源
陶志伟
吴昊

相关机构

华电电力科学研究院有限公司
浙江大学能源工程学院
上海科梁信息科技股份有限公司，上海市 闵行区
英国利物浦大学电气工程与电子系
奥克兰理工大学电气与电子工程系
0