文献检索-宁波市创意产业特色资源库

限定检索结果

基于PWKNN算法的风电系统故障诊断研究: 收藏
分享
引用; 《微型电脑应用》2024年第1期40卷 188-192页; 作者：乐天达赵强章志鸿李志明童文华李欣哲国网无锡供电公司设计中心江苏无锡214000; 为了准确诊断风电系统故障类别,基于改进加权k近邻的粒子群优化算法(PWKNN)提出一种新的诊断方法。PWKNN通过调整权重来反映特征的重要性,并利用距离判断策略计算出多类标分类的相同概率。采用粒子群优化算法(PSO)优化了PWKNN的权值和参...; 为了准确诊断风电系统故障类别,基于改进加权k近邻的粒子群优化算法(PWKNN)提出一种新的诊断方法。PWKNN通过调整权重来反映特征的重要性,并利用距离判断策略计算出多类标分类的相同概率。采用粒子群优化算法(PSO)优化了PWKNN的权值和参数k,利用特征提取训练分类器,结合特征选择的Pearson相关系数来消除无关特征,从而减少分类器的输出时间。对300W风力发电机的四种分类状态进行测试,与传统分类器的比较表明,PWKNN具有更高的分类精度。特征选择可以将平均特征数量从16个减少到2.8个,输出时间可以减少61%。; 来源：详细信息评论

限定检索结果