期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于RF-LSTM网络的风电机组状态参数预测
被引量：
1
1
作者
刘杰
付雪娇
+1 位作者
蒋树旗
谭玉涛
《控制工程》
CSCD
北大核心
2023年第11期1965-1970,共6页
为实现风电机组的早期故障预警,提出一种基于随机森林(random forest, RF)结合长短期记忆(longshort-termmemory,LSTM)网络的风电机组状态参数预测方法。利用RF算法筛选出与目标变量有重要关联信息的状态参数,将其作为LSTM网络预测模型...
为实现风电机组的早期故障预警,提出一种基于随机森林(random forest, RF)结合长短期记忆(longshort-termmemory,LSTM)网络的风电机组状态参数预测方法。利用RF算法筛选出与目标变量有重要关联信息的状态参数,将其作为LSTM网络预测模型的输入变量,实现对目标变量的预测。采集风电机组监测的状态参数数据,将齿轮箱油温作为目标变量,对所提预测方法的有效性进行验证。结果表明,在不同的输入变量与预测方法下,RF-LSTM均具有较高的预测精度,不仅克服了众多状态参数存在的高维度、非线性等问题,还保证了输入变量的重要信息不会随着时间被遗忘。
展开更多
关键词
风电机组
随机森林
状态参数预测
长短期记忆网络
在线阅读
下载PDF
职称材料
基于ARIMA-KF模型的船舶系统设备状态参数预测
被引量：
6
2
作者
陈方圆
邹永久
+2 位作者
张鹏
张跃文
孙培廷
《科学技术与工程》
北大核心
2021年第35期15255-15261,共7页
针对目前大多数预测模型在船舶智能运维领域应用过程中存在的预测精度偏低、模型不易构建等问题,提出了自回归积分滑动平均模型(auto-regressive integrated moving-average model,ARIMA)和卡尔曼滤波(Kalman filter,KF)相结合的船舶系...
针对目前大多数预测模型在船舶智能运维领域应用过程中存在的预测精度偏低、模型不易构建等问题,提出了自回归积分滑动平均模型(auto-regressive integrated moving-average model,ARIMA)和卡尔曼滤波(Kalman filter,KF)相结合的船舶系统设备状态参数组合预测模型——ARIMA-KF模型。该模型首先构建了ARIMA单步和多步预测模型;然后利用KF算法对ARIMA预测模型参数值进行寻优,得到ARIMA-KF组合预测模型;最后,基于组合模型对船舶海水冷却系统状态参数进行预测,将预测值与实船获取的实际值进行对比及误差分析。结果表明,采用基于ARIMA-KF组合模型比单一的ARIMA模型预测精度提高3%左右。研究结果对船舶系统设备的健康管理和视情维修具有一定的指导意义。
展开更多
关键词
智能运维
组合模型
状态参数预测
卡尔曼滤波
在线阅读
下载PDF
职称材料
题名
基于RF-LSTM网络的风电机组状态参数预测
被引量：
1
1
作者
刘杰
付雪娇
蒋树旗
谭玉涛
机构
沈阳工业大学机械工程学院
出处
《控制工程》
CSCD
北大核心
2023年第11期1965-1970,共6页
基金
辽宁省教育厅资助项目(LQGD2020016)
辽宁省“兴辽英才计划”资助项目(XLYC1905003)。
文摘
为实现风电机组的早期故障预警,提出一种基于随机森林(random forest, RF)结合长短期记忆(longshort-termmemory,LSTM)网络的风电机组状态参数预测方法。利用RF算法筛选出与目标变量有重要关联信息的状态参数,将其作为LSTM网络预测模型的输入变量,实现对目标变量的预测。采集风电机组监测的状态参数数据,将齿轮箱油温作为目标变量,对所提预测方法的有效性进行验证。结果表明,在不同的输入变量与预测方法下,RF-LSTM均具有较高的预测精度,不仅克服了众多状态参数存在的高维度、非线性等问题,还保证了输入变量的重要信息不会随着时间被遗忘。
关键词
风电机组
随机森林
状态参数预测
长短期记忆网络
Keywords
Wind turbine
random forest
state parameter prediction
long short-term memory network
分类号
TM315 [电气工程—电机]
在线阅读
下载PDF
职称材料
题名
基于ARIMA-KF模型的船舶系统设备状态参数预测
被引量：
6
2
作者
陈方圆
邹永久
张鹏
张跃文
孙培廷
机构
大连海事大学轮机工程学院
出处
《科学技术与工程》
北大核心
2021年第35期15255-15261,共7页
基金
高技术船舶科研资助项目(MC-201712-C07)
国家重点研发计划(2018YFB1601502)
中央高校基本科研业务费专项(3132019006)。
文摘
针对目前大多数预测模型在船舶智能运维领域应用过程中存在的预测精度偏低、模型不易构建等问题,提出了自回归积分滑动平均模型(auto-regressive integrated moving-average model,ARIMA)和卡尔曼滤波(Kalman filter,KF)相结合的船舶系统设备状态参数组合预测模型——ARIMA-KF模型。该模型首先构建了ARIMA单步和多步预测模型;然后利用KF算法对ARIMA预测模型参数值进行寻优,得到ARIMA-KF组合预测模型;最后,基于组合模型对船舶海水冷却系统状态参数进行预测,将预测值与实船获取的实际值进行对比及误差分析。结果表明,采用基于ARIMA-KF组合模型比单一的ARIMA模型预测精度提高3%左右。研究结果对船舶系统设备的健康管理和视情维修具有一定的指导意义。
关键词
智能运维
组合模型
状态参数预测
卡尔曼滤波
Keywords
intelligent operation and maintenance
combined model
state parameter prediction
Kalman filter
分类号
U664.81 [交通运输工程—船舶及航道工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于RF-LSTM网络的风电机组状态参数预测
刘杰
付雪娇
蒋树旗
谭玉涛
《控制工程》
CSCD
北大核心
2023
1
在线阅读
下载PDF
职称材料
2
基于ARIMA-KF模型的船舶系统设备状态参数预测
陈方圆
邹永久
张鹏
张跃文
孙培廷
《科学技术与工程》
北大核心
2021
6
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
