...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Progress in Industrial Ecology >Selection of a meta classifier-data model for classifying wind turbine blade fault conditions using histogram features and vibration signals: a data-mining study
【24h】

Selection of a meta classifier-data model for classifying wind turbine blade fault conditions using histogram features and vibration signals: a data-mining study

机译：使用直方图特征和振动信号进行分类风力涡轮机叶片故障条件的元分类器数据模型：数据采矿研究

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The modern developments in wind turbine fault diagnosis and condition monitoring are urged in recent times. This paper aims to identify different types of faults which occur on wind turbine blade as they are prone to vibration stress due to environmental and weather condition. The fault diagnosis problem was carried out using machine learning approach. This study was carried out using vibration sources which has been acquired from good and other fault condition blades using data acquisition system. From the recorded signals, histogram features were extracted and classified using meta classifiers. From the classifiers, a better data-model is suggested for a multi-class problem in wind turbine blade fault diagnosis.
机译：最近推出了风力涡轮机故障诊断和病情监测的现代发展。 本文旨在识别风力涡轮机叶片上发生的不同类型的故障，因为它们由于环境和天气而易于振动应力。 使用机器学习方法进行故障诊断问题。 本研究使用使用数据采集系统从良好和其他故障条件刀片获取的振动来源进行。 从记录的信号，使用元分类器提取和分类直方图特征。 从分类器中，在风力涡轮机叶片故障诊断中提出了更好的数据模型。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 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