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
发电技术   2023年44卷第6期 页码:824-832
发电及环境保护|更新时间:2025-06-06
  • 导出

  • 收藏

  • 专辑

    • 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。”
    • DOI:10.12096/j.2096-4528.pgt.22178    

      中图分类号:

    移动端阅览

  •  
  •  

59

浏览量

130

下载量

10

CSCD

文章被引用时,请邮件提醒。
提交
论文导航

相关文章

考虑风电场尾流的无人机智能巡检路径规划方法
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
基于可解释机器学习的风机叶片覆冰气象成因与风险分布研究

相关作者

胡伟飞
范佳
陆春波
柳旭
莫皓添
闫翔昱
方健豪
王玲芝

相关机构

华电(宁夏)能源有限公司新能源分公司,宁夏回族自治区
浙江大学机械工程学院
华电电力科学研究院有限公司
西安邮电大学自动化学院
浙江大学能源工程学院