《表2 d值结果：基于数据抖颤的风电机组变桨故障预测》
提示：宽带有限、当前游客访问压缩模式
如图4所示对正确预测出变桨故障的时间统计发现，该方法能够提前6-12分钟预测出变桨故障，且提前10分钟预测到变桨故障的概率最高。
| 图表编号 | XD0025159300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.12.25 |
| 作者 | 肖成、张磊 |
| 绘制单位 | 北华航天工业学院电子与控制工程学院、河北工业大学人工智能与数据科学学院、河北工业大学人工智能与数据科学学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表5 故障诊断结果：基于特征选择和XGBoost的风电机组故障诊断》2021.03.20
- 《表1 风电机组各关键部件常用的故障诊断与预测方法》2021.02.25
- 《表4 分类器的比较结果：风电机组主轴轴承故障的分析与预测》2020.04.06
- 《表2 对比测试结果：风电机组变桨用超级电容测试系统设计》2020.06.10
- 《表1 测试结果：风电机组变桨用超级电容测试系统设计》2020.06.10
- 《表1 变桨控制阶段：大功率风电机组变桨系统故障诊断方法与技术研究进展》2020.01.01
- 《表1 PI参数整定结果：基于思维进化算法的风电机组变桨控制器参数优化整定》2019.11.06
- 《表3 均方误差：基于思维进化算法的风电机组变桨控制器参数优化整定》2019.11.06
- 《表3 衰退阶段：基于数据分类重建的风电机组故障预警方法》2019.08.01
- 《表2 相关系数表：基于数据分类重建的风电机组故障预警方法》2019.08.01
- 《表4 故障2诊断结果：基于改进深度森林算法的风电机组故障诊断技术研究》2019.11.20
- 《表3 故障1诊断结果：基于改进深度森林算法的风电机组故障诊断技术研究》2019.11.20
- 《表2 输出功率波动情况：基于差分进化算法的风电机组变桨参数寻优》2019.08.28
- 《表3 测试样本统计结果：基于风电故障机组筛选的齿轮箱故障诊断研究》2019.09.15
- 《表2 训练样本统计结果：基于风电故障机组筛选的齿轮箱故障诊断研究》2019.09.15
- 《表5 测试数据统计：中小型风电机组变桨距控制算法研究》2019.08.01
- 《表2 模糊规则：中小型风电机组变桨距控制算法研究》2019.08.01
- 《表1 工况划分参照表：基于风功率数据的风电机组性能预测与健康状态评估》2019.08.20
- 《表3 故障预测结果：基于数据抖颤的风电机组变桨故障预测》2018.12.25
- 《表1 风电机组参数：基于数据抖颤的风电机组变桨故障预测》2018.12.25