龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：华能国际电力股份有限公司重庆清洁能源分公司
摘要：NMS‑RLM改进黏菌算法优化CNN‑BiLSTM的风电机组振动特征预测方法。现有的深度学习神经网络模型应用与风电机组振动特征预测中，时间序列数据中的局部特征潜在关系不能很好表征的问题。本发明的方法包括如下步骤：步骤1，收集风机历史振动信号样本数据，用来构建样本数据库，分出训练集与测试集；步骤2，对训练集原子进行傅里叶变化在频域使用1DCNN提取振动特征参量；步骤3，将训练集特征参量输入BiLSTM模型进行建模；步骤4，用NMS‑RLM改进黏菌算法寻找最优参数。判断模型是否达到最佳适应度，若未达到，则重复寻找最优参数进行迭代，直至获得最优超参数模型；步骤5，将测试集原子输入最优超参数模型，对风电机组进行状态趋势预测。本发明用于风电机组状态预测方法。
主权项：1.一种NMS-RLM改进黏菌算法优化CNN-BiLSTM的风电机组振动特征预测方法，其特征是：该方法包括如下步骤：步骤1，收集风机历史振动信号样本数据，用来构建样本数据库，分出训练集与测试集；步骤2，对训练集原子进行傅里叶变化在频域使用1DCNN提取振动特征参量；步骤3，将训练集特征参量输入BiLSTM模型进行建模；步骤4，用NMS-RLM改进黏菌算法寻找最优参数。判断模型是否达到最佳适应度，若未达到，则重复寻找最优参数进行迭代，直至获得最优超参数模型。步骤5，将测试集原子输入最优超参数模型，对风电机组进行状态趋势预测。
全文数据：
权利要求：
百度查询： 华能国际电力股份有限公司重庆清洁能源分公司 NMS-RLM改进黏菌算法优化CNN-BiLSTM的风电机组振动特征预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号