论文部分内容阅读
针对风电机组齿轮箱轴承温度易受随机因素影响及预测准确性低的问题,以准确预测短期内温度变化为目标,通过对风电机组齿轮箱轴承温度发展趋势的研究,提出一种主成分分析(Principal component analysis,PCA)、遗传算法(Genetic algorithm,GA)及Elman神经网络结合的预测模型.该模型通过主成分分析对高维复杂原始变量进行降维,主成分(PC)作为经GA优化的Elman神经网络的输入.新方法充分考虑轴承温度发展趋势中的随机波动成分,挖掘历史数据变化规律.结果表明:新方法对轴承温度发展中的随机波动趋势拟合效果较好,稳定性、准确性均优于文中其他方法,能够有效实现轴承温度的精确预测.