《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》
提示：宽带有限、当前游客访问压缩模式
FN（False Negative）:将实际即将发生故障的风电机组错误地预测为正常状态的次数（漏检）。预测结果如表3所示。
| 图表编号 | XD0025159400 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2 变桨系统故障预测性能指标》2021.02.20
- 《表1 变桨系统故障预测结果》2021.02.20
- 《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1 风电机组各项参数：基于功率曲线分析与神经网络的风电机组故障预警方法》2020.08.31
- 《表3 特征重要度排序：基于功率曲线分析与神经网络的风电机组故障预警方法》2020.08.31
- 《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1 预测结果：基于试飞数据的故障率预测及预警监控》2020.07.25
- 《表2 子系统故障数据：考虑故障相关性的风电机组维修策略》2020.04.20
- 《表3 子系统监测数据：考虑故障相关性的风电机组维修策略》2020.04.20
- 《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2 d值结果：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