基于重采样降噪与主成分分析的宽卷积深度神经网络风机故障诊断方法

刘展; 包琰洋; 李大字

doi:10.12096/j.2096-4528.pgt.22178

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于重采样降噪与主成分分析的宽卷积深度神经网络风机故障诊断方法

发电及环境保护 | 更新时间：2025-06-06

- 基于重采样降噪与主成分分析的宽卷积深度神经网络风机故障诊断方法
- Fault Diagnosis Method of Wind Turbines Based on Wide Deep Convolutional Neural Network With Resampling and Principal Component Analysis
- “在风机故障诊断领域，专家提出了基于宽卷积深度神经网络的诊断方法，通过信号预处理和PCA选取数据通道，有效提取故障特征，为风机故障诊断提供解决方案。”
- 发电技术 2023年44卷第6期页码：824-832
- 作者机构：
  
  1.北京能高普康测控技术有限公司，北京市丰台区100070
  2.北京化工大学自动化研究所，北京市朝阳区100029
- 作者简介：
  
  [ "刘展(1982)，男，博士，高级工程师，主要从事风力发电行业基于工业物联网的核心关键设备服役能力保持与主动安全保障技术研究、产品开发及工业物联网大数据分析服务等相关工作，LiuZhan@bj-pukang.com；" ]
  [ "包琰洋(2000)，男，硕士研究生，主要研究方向为强化学习与故障诊断等，2022200727@buct.edu.cn；" ]
  [ "李大字(1970)，女，博士，教授，博士生导师，从事机器学习与人工智能、先进控制、复杂系统建模与优化等研究，本文通信作者，lidz@mail.buct.edu.cn。" ]
- 基金信息：
  
  国家自然科学基金项目(62273026);工信部高技术船舶科研项目(MC-202025-S02)
- DOI：10.12096/j.2096-4528.pgt.22178
  中图分类号： TK 83
- 收稿日期：2023-03-29，
  
  纸质出版日期：2023-12-31
- 稿件说明：
移动端阅览
刘展,包琰洋,李大字.基于重采样降噪与主成分分析的宽卷积深度神经网络风机故障诊断方法[J].发电技术,2023,44(06):824-832.

LIU Zhan,BAO Yanyang,LI Dazi.Fault Diagnosis Method of Wind Turbines Based on Wide Deep Convolutional Neural Network With Resampling and Principal Component Analysis[J].Power Generation Technology,2023,44(06):824-832.
刘展,包琰洋,李大字.基于重采样降噪与主成分分析的宽卷积深度神经网络风机故障诊断方法[J].发电技术,2023,44(06):824-832. DOI： 10.12096/j.2096-4528.pgt.22178.

LIU Zhan,BAO Yanyang,LI Dazi.Fault Diagnosis Method of Wind Turbines Based on Wide Deep Convolutional Neural Network With Resampling and Principal Component Analysis[J].Power Generation Technology,2023,44(06):824-832. DOI： 10.12096/j.2096-4528.pgt.22178.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于改进混合高斯模型的风速分布拟合与风机年发电量估算

我国海上风电发展现状与趋势综述

我国海上风电发展关键技术综述

基于重采样降噪与主成分分析的宽卷积深度神经网络风机故障诊断方法

Fault Diagnosis Method of Wind Turbines Based on Wide Deep Convolutional Neural Network With Resampling and Principal Component Analysis

DOI：10.12096/j.2096-4528.pgt.22178