摘要
一种齿轮箱系统的远程状态检测方法,涉及风电机组状态检测技术领域,包括采用卷积神经网络提取主轴转速值、机舱内温度值和齿轮箱油温值在时间维度上的动态关联特征,形成齿轮箱参数特征向量;基于所述齿轮箱参数特征向量,计算得到齿轮箱油池温度与主轴转速和机舱内环境温度的概率密度函数、均值和标准差;利用贝叶斯模型融合所述齿轮箱参数特征向量的概率密度函数、均值和标准差信息,获得后验高斯密度图;在离散化区间内对所述后验高斯密度图进行高斯离散化处理,得到后验特征矩阵;通过分类器分析所述后验特征矩阵,确定齿轮箱系统是否正常,并在检测到异常时发出预警信号;其用于解决检测结果误差大的问题。
技术关键词
齿轮箱系统
状态检测方法
概率密度函数
后验特征
机舱
卷积神经网络提取
贝叶斯模型
贝叶斯概率模型
特征提取模块
风电机组状态
矩阵
齿轮箱主轴
参数
特征值集合
多尺度
蒸馏方法
分类器
系统为您推荐了相关专利信息
信噪比
网络化雷达
概率密度函数
融合准则
皮尔逊准则
无人机
定位系统
定位问题
概率密度函数
定位方法
检测前跟踪方法
变分贝叶斯方法
雷达
点扩散函数
协方差矩阵
序列
模糊控制规则
概率密度函数
计算误差
模糊控制器