论文摘要
以风电机组轴承为研究对象,利用SCADA(Supervisory Control And Data Acquisition)监测参数,应用最小二乘曲面拟合算法,建立轴承温度健康状态劣化趋势模型。改进并应用EEMD(Ensemble Empirical Mode Decomposition)方法,分解具有非平稳性特性的轴承劣化趋势为一系列相对平稳的分量,利用时间序列神经网络分别对各分量单独预测,叠加所有分量的预测值作为最终的预测结果。经过仿真测试,该方法能够以更高的精度预测风电机组轴承健康状态劣化趋势。
论文目录
文章来源
类型: 期刊论文
作者: 董兴辉,马晓双,程友星,王帅
关键词: 风电机组轴承,劣化趋势预测,最小二乘法曲面,方法,时间序列神经网络
来源: 系统仿真学报 2019年01期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 电力工业
单位: 华北电力大学能源动力与机械工程学院,河南理工大学电气学院
基金: 国家重点研发计划(2017YFE0109000)
分类号: TM315
DOI: 10.16182/j.issn1004731x.joss.17-0067
页码: 151-157+165
总页数: 8
文件大小: 773K
下载量: 178
相关论文文献
标签：风电机组轴承论文; 劣化趋势预测论文; 最小二乘法曲面论文; 方法论文; 时间序列神经网络论文;