手机知网 App
24小时专家级知识服务
打 开
电力工业
手机知网首页
文献检索
期刊
工具书
图书
我的知网
充值中心
基于多核并行RFECV-GNB的风电机组齿轮箱故障诊断方法
兰州理工大学电气工程与信息工程学院;
兰州城市学院信息工程学院
|
王进花
袁山钦
曹洁
开通知网号
针对深度学习的风电机组齿轮箱诊断方法在噪声环境下的鲁棒性较差且在带标签的样本不足时存在诊断精度较低的问题,提出基于RFECV-GNB风电机组齿轮箱故障诊断方法。该方法结合了交叉验证递归特征消除法(RFECV)在故障数据较少时能有效挖掘故障信号的本质特...
机 构:
兰州理工大学电气工程与信息工程学院;
兰州城市学院信息工程学院;
领 域:
电力工业;
自动化技术;
关键词:
风电机组;
齿轮箱;
故障诊断;
贝叶斯定理;
特征选择;
CPU并行;
格 式:
PDF原版;EPUB自适应版
(需下载客户端)
0
178
开通会员更优惠,尊享更多权益
下载PDF版
手机阅读本文
下载APP 手机查看本文
太阳能学报
2025年04期
立即查看 >
相似文献
期刊
硕士
博士
会议
报纸
加载中
更多
暂无数据
图书推荐
更多
相关工具书
更多
搜 索