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
大型旋转机械状态监测与故障诊断研究进展
被引量：
15
1
作者
杨世锡
尚小林
+2 位作者
柳亦兵
严可国
刘学坤
《振动．测试与诊断》
EI
CSCD
北大核心
2015年第1期1-11,共11页
分析了旋转机械状态监测与故障诊断研究的重要意义。提出了一种由状态监测与故障诊断理论和方法、状态监测与故障诊断关键技术、状态监测与故障诊断系统、状态监测与故障诊断工程应用四个方面相互支撑的旋转机械状态监测与诊断研究的体...
分析了旋转机械状态监测与故障诊断研究的重要意义。提出了一种由状态监测与故障诊断理论和方法、状态监测与故障诊断关键技术、状态监测与故障诊断系统、状态监测与故障诊断工程应用四个方面相互支撑的旋转机械状态监测与诊断研究的体系架构，给出了一个超超临界汽轮发电机组状态监测与故障诊断系统研究的实例。分别综述了大型旋转机械状态监测与故障诊断的理论和方法、关键技术、应用系统研究及其工程应用的进展，提出了对于旋转机械状态监测与诊断研究的思考与建议。
展开更多
关键词
旋转机械
状态监测
故障诊断
特征提取
在线阅读
下载PDF
职称材料
基于XGBoost与LSTM的风力发电机绕组温度预测
被引量：
24
2
作者
滕伟
黄乙珂
+1 位作者
吴仕明
柳亦兵
《中国电力》
CSCD
北大核心
2021年第6期95-103,共9页
发电机定子绕组温度是风力发电机健康状态的重要表征。实时预测绕组超温将有助于及时制定运维计划并排查故障源。提出基于极端梯度提升树(extreme gradient boosting)与长短时记忆网络(long short-term memory,LSTM)加权融合的组合模型...
发电机定子绕组温度是风力发电机健康状态的重要表征。实时预测绕组超温将有助于及时制定运维计划并排查故障源。提出基于极端梯度提升树(extreme gradient boosting)与长短时记忆网络(long short-term memory,LSTM)加权融合的组合模型,进行风力发电机定子绕组温度预测,运用模型结构的差异性提升融合预测结果的准确性。经过风电机组SCADA数据集验证,结果表明:该方法能够有效预测绕组超温情况,具有较好的工程应用价值。
展开更多
关键词
风电机组
绕组温度预测
XGBoost
LSTM
在线阅读
下载PDF
职称材料
题名
大型旋转机械状态监测与故障诊断研究进展
被引量：
15
1
作者
杨世锡
尚小林
柳亦兵
严可国
刘学坤
机构
浙江大学机械
工程
学院
四川东方电气自动控制
工程
有限公司
华北电力大学能源动力与机械
工程
学院
北京英华达软件工程有限公司
出处
《振动．测试与诊断》
EI
CSCD
北大核心
2015年第1期1-11,共11页
基金
国家自然科学基金资助项目（51375434,11172260）
国家高技术研究发展计划（“八六三”计划）资助项目（2008AA042410）
文摘
分析了旋转机械状态监测与故障诊断研究的重要意义。提出了一种由状态监测与故障诊断理论和方法、状态监测与故障诊断关键技术、状态监测与故障诊断系统、状态监测与故障诊断工程应用四个方面相互支撑的旋转机械状态监测与诊断研究的体系架构，给出了一个超超临界汽轮发电机组状态监测与故障诊断系统研究的实例。分别综述了大型旋转机械状态监测与故障诊断的理论和方法、关键技术、应用系统研究及其工程应用的进展，提出了对于旋转机械状态监测与诊断研究的思考与建议。
关键词
旋转机械
状态监测
故障诊断
特征提取
分类号
TH17 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
基于XGBoost与LSTM的风力发电机绕组温度预测
被引量：
24
2
作者
滕伟
黄乙珂
吴仕明
柳亦兵
机构
电站能量传递转化与系统教育部重点实验室(华北电力大学)
北京英华达软件工程有限公司
出处
《中国电力》
CSCD
北大核心
2021年第6期95-103,共9页
基金
国家自然科学基金资助项目(51775186)
中央高校基本科研业务费项目(2018MS013)。
文摘
发电机定子绕组温度是风力发电机健康状态的重要表征。实时预测绕组超温将有助于及时制定运维计划并排查故障源。提出基于极端梯度提升树(extreme gradient boosting)与长短时记忆网络(long short-term memory,LSTM)加权融合的组合模型,进行风力发电机定子绕组温度预测,运用模型结构的差异性提升融合预测结果的准确性。经过风电机组SCADA数据集验证,结果表明:该方法能够有效预测绕组超温情况,具有较好的工程应用价值。
关键词
风电机组
绕组温度预测
XGBoost
LSTM
Keywords
wind turbine
winding temperature prediction
XGBoost
LSTM
分类号
TM315 [电气工程—电机]
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
大型旋转机械状态监测与故障诊断研究进展
杨世锡
尚小林
柳亦兵
严可国
刘学坤
《振动．测试与诊断》
EI
CSCD
北大核心
2015
15
在线阅读
下载PDF
职称材料
2
基于XGBoost与LSTM的风力发电机绕组温度预测
滕伟
黄乙珂
吴仕明
柳亦兵
《中国电力》
CSCD
北大核心
2021
24
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
