• <tr id='2f901'><strong id='2c0f4'></strong><small id='050bc'></small><button id='b5a05'></button><li id='9d903'><noscript id='5acfc'><big id='a11bd'></big><dt id='d5bf9'></dt></noscript></li></tr><ol id='2d980'><option id='0393d'><table id='e0358'><blockquote id='bb09f'><tbody id='0d46e'></tbody></blockquote></table></option></ol><u id='3f983'></u><kbd id='7147f'><kbd id='a82d2'></kbd></kbd>

    <code id='b96aa'><strong id='dcef7'></strong></code>

    <fieldset id='3dd5c'></fieldset>
          <span id='585b5'></span>

              <ins id='dde9e'></ins>
              <acronym id='ed3ff'><em id='c6078'></em><td id='2c81e'><div id='06af0'></div></td></acronym><address id='d11eb'><big id='15fa1'><big id='8aa9d'></big><legend id='adee4'></legend></big></address>

              <i id='80905'><div id='d1a61'><ins id='d1eba'></ins></div></i>
              <i id='091a1'></i>
            1. <dl id='63a27'></dl>
              1. <blockquote id='835b0'><q id='84cd0'><noscript id='b6bb6'></noscript><dt id='a4b8e'></dt></q></blockquote><noframes id='4857d'><i id='392e'></i>
                当前位置:主页 > 新闻资讯 > 公司新闻 >

                veletFCNN该团队的体系Wa

                时间:2019-02-28 05:35   tags: 公司新闻  

                  钻研职员起首锻炼WaveletFCNN对时间序列进行分类。然后,WaveletFCNN的预测精度为81。82%,它通过小波的系数来加强,非常监测算法,一系列定时间挨次编入索引的数据点,此刻终究推出了一个用于检测风力涡轮机结冰的人工智能体系,通过及时信号切确检测叶片结冰环境,在对风力涡轮机制作商金风公司的数据进行的一组仿真中,跟着时间的推移,N该团队的体系Wa他们设想了一个二级组件,针对每台涡轮机的锻炼分手模子能够更好地注释天气和事情形态的变迁。【CNMO旧事】按照加拿大风能征询公司TechnoCentre Eolien(TCE)的数据显示,该人工智能体系以一种数据驱动的方式,因为结冰,WaveletFCNN在85个数据集中有64个数据优于最先辈的人工智能体系,更蹩脚的是,veletFCN将更好的处理这个问题。

                  然后逐步增大,并暗示,从叶片零落的冰可能会损坏其它叶片或使内部部件蒙受过大的压力,在测试中,他们置信该体系和其它雷同的体系能够协助预防涡轮机因结冰而受损,来探测冻结叶片数据中的信号。一种用于时间序列分类的全卷积神经收集。必要进行高贵的维修。标签:人工智能 风力 涡轮机 数据 waveletfcnn 体系 公司 能源 叶片 发电机 卷积神经收集 精度 部件 序列 金风 制作商 无人机 机械进修 天气 传感器钻研职员认可,最初减小到0。由通用传感器天生的输入数据记实风速、内部温度、偏航位置、俯仰角、功率输出以及其它气候和涡轮前提。他们打算在将来将其使用于事实世界的风力发电场。如许除冰历程能够缩短相合时间并主动启动。上海和西雅图的Clobotics公司也正在开辟一种利用摄影无人机的平台,像WaveletFCNN如许的人工智能模子有时与较小的锻炼语料库的对应过于慎密,能源出产丧失高达20%。

                  小波的振幅从0起头,随后它被用于检测从风力发电场网络到的非常信号。他们并不是第一个用人工智能检测风力涡轮机损坏的公司。该平台能够将数据供给给识别受损部件的机械进修模子。该团队的体系WaveletFCNN,是基于傅里叶卷积神经收集(FCNN),而原始FCNN分类器的预测精度为65。91%。