位置:成果数据库 > 期刊 > 期刊详情页
基于证据支持矩阵的特征权重融合的风电机组故障诊断
  • ISSN号:2095-0020
  • 期刊名称:《上海电机学院学报》
  • 时间:0
  • 分类:TM315.07[电气工程—电机]
  • 作者机构:[1]上海电机学院电气学院,上海200240
  • 相关基金:国家自然科学基金项目资助(60772006);上海市教育委员会重点学科资助(J51901);上海市教育委员会科研创新项目资助(13YZ140);上海市自然科学基金项目资助(11ZR1413900)
中文摘要:

针对风电机组齿轮箱故障特征的不确定性、复杂性和多元性的特点,提出基于证据支持矩阵特征权重的融合新方法,建立故障诊断模型。分析了影响证据冲突的冲突因子和证据距离,利用这两个因子构造证据支持度矩阵;求解了该证据支持度矩阵最大特征值对应的特征向量,并将此作为证据的权重,利用证据组合公式进行融合;最后将其用于风电机组齿轮箱故障诊断。实验结果表明,该方法可较好提高风电机组齿轮箱故障诊断的效率和准确率。

英文摘要:

In view of uncertainty, complexity and diversity in the fault characteristics of the wind power unit's gearbox, a method of feature weight fusion based on evidence support matrix is proposed to construct the model. Two factors, the conflict coefficient and evidence distance, are analyzed, which affect the evidence conflict. An evidence support matrix is constructed. The char- acteristic vector related to the maximum eigenvalue of the matrix is calculated as an evidence weight. The evidence weights are fused using the evidence combination formula. The method is applied to fault diagnosis of a wind turbine gearbox. The results show that the proposed method can enhance efficiency and accuracy of the fault diagnosis of wind turbine gearbox.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《上海电机学院学报》
  • 主管单位:上海市教育委员会
  • 主办单位:上海电机学院
  • 主编:黄兴华
  • 地址:上海浦东新区橄榄路1350号
  • 邮编:201306
  • 邮箱:shdjxb@163.com
  • 电话:021-38223023
  • 国际标准刊号:ISSN:2095-0020
  • 国内统一刊号:ISSN:31-1996/Z
  • 邮发代号:
  • 获奖情况:
  • 国内外数据库收录:
  • 被引量:1789