机译:基于振动响应高斯混合随机系数模型的框架中不确定性下运行中风力发电机组的损伤/故障诊断
Stochastic Mechanical Systems and Automation (SMSA) Laboratory, Department of Mechanical Engineering & Aeronautics, University of Patras, GR 265 04 Patras, Greece;
Stochastic Mechanical Systems and Automation (SMSA) Laboratory, Department of Mechanical Engineering & Aeronautics, University of Patras, GR 265 04 Patras, Greece;
Non-stationary identification; Vibration-based damage diagnosis; Structural health monitoring; Uncertainties; Gaussian mixture model random coefficient approach; Time-dependent ARMA models; Linear parameter varying ARMA models; Wind turbines;
机译:不确定条件下具有时变动力学的结构中基于高斯混合随机系数模型的SHM框架
机译:基于振动信号和小波系数高斯相关性的齿轮故障诊断
机译:基于长短期记忆网络和高斯混合模型的风力发电短期预测与不确定性分析
机译:基于振动的基于振动的损伤,通过随机系数高斯混合模型的基于模型的方法进行标称相同的结构群
机译:基于模型和数据驱动的风力发电机液压变桨系统故障诊断。
机译:基于余弦损失的优化LSTM神经网络的风力发电机齿轮箱故障诊断。
机译:基于高斯信号的振动信号和小波系数的齿轮故障诊断