• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《机电信息》 >基于SAPSO-ELM的风电机组齿轮箱故障诊断

基于SAPSO-ELM的风电机组齿轮箱故障诊断

         
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

由于极限学习机(Extreme Learning Machine,ELM)的参数是随机生成的,导致其存在网络结构稳定性差、分类精度不高等问题.针对这些问题提出了一种利用模拟退火粒子群算法(Simulated Annealing Particle Swarm Optimization,SAPSO)来优化ELM参数的算法.该算法对ELM参数进行SAPSO寻优处理,从而达到增强网络稳定性、提高ELM性能的目的.为验证该算法的有效性,将该方法应用到样本分类上,对风电机组齿轮箱故障进行诊断,实验结果表明,与ELM、粒子群-极限学习机(PSO-ELM)等算法相比,模拟退火粒子群-极限学习机(SAPSO-ELM)算法具有较好的稳定性和可靠性,提高了风电机组齿轮箱故障诊断正确率.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号