基于IICEEMDAN-PCA-GRU的风电机组齿轮箱故障预警方法研究

打开文本图片集

收稿日期：2022-02-19

通信作者：马永光（1964—），男，博士、教授，主要从事智能技术在工业过程建模、仿真与故障诊断中的应用，网络化控制系统理论方法研究

与系统开发方面的研究。mr_ma@163.com

DOI：10.19912/j.0254-0096.tynxb.2021-1465 文章编号：0254-0096（2023）04-0067-07

摘 要：为充分挖掘数据采集与监控（SCADA）数据的隐藏信息，减少特征间的冗余性，提升模型预测和预警的精度，提出一种双重改进的完全噪声辅助聚合经验模态分解（IICEEMDAN）、主成分分析（PCA）、门控循环网络（GRU）融合的风电机组齿轮箱故障预警方法。（剩余12112字）