10.3969/j.issn.1001-3881.2014.07.040
基于自适应加权和D-S证据理论的风电机组故障诊断
由于风电机组系统相当复杂,故障原因及其现象不成简单或线性对应关系,单一检测不能够满足诊断需要。针对这一问题,将无线传感器网络(Wireless Sensor Network)中信息融合的理论和方法应用于风电机组状态监测和故障诊断中,使采集到的海量数据分别进行信号层与特征层两个层次的信息融合,运用自适应加权融合算法降低网络的数据冗余和传输能量消耗,利用高斯隶属度函数获得基本概率的赋值,提高了D-S证据理论数据的可靠性,改进的证据组合方法提高了故障识别能力。最后,对风电机组齿轮箱的故障诊断进行仿真实验,实验结果验证了该方法具有较高的诊断精度,明显提高诊断的可信度。
无线传感器、信息融合、自适应加权、D-S证据理论、基本概率赋值
TP212.9(自动化技术及设备)
国家自然科学基金资助项目51167004;广西教育厅科研项目200911LX131
2014-06-07(万方平台首次上网日期,不代表论文的发表时间)
共5页
148-151,140