改进集成KNN回归算法在风电机组齿轮箱状态监测中的应用.docxVIP

改进集成KNN回归算法在风电机组齿轮箱状态监测中的应用

目录

改进集成KNN回归算法在风电机组齿轮箱状态监测中的应用（1）．．．4

内容概览．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

1.1研究背景．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

1.2风电机组齿轮箱状态监测的重要性．．．．．．．．．．．．．．．．．．．．．．．．．5

1.3国内外研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5

集成KNN回归算法概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6

2.1KNN回归算法原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7

2.2KNN回归算法的局限性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8

2.3集成学习理论．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9

改进集成KNN回归算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10

3.1改进策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10

3.1.1特征选择．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11

3.1.2K值自适应选择．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12

3.1.3增量学习策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．13

3.2算法步骤．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．13

3.2.1数据预处理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14

3.2.2特征选择．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14

3.2.3K值自适应选择．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

3.2.4集成学习过程．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16

3.2.5模型评估与优化．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16

改进集成KNN回归算法在风电机组齿轮箱状态监测中的应用．．．．17

4.1数据采集与预处理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18

4.1.1数据来源．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18

4.1.2数据预处理方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19

4.2实验设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19

4.2.1实验环境．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20

4.2.2实验参数设置．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21

4.3实验结果与分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21

4.3.1结果展示．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22

4.3.2结果分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23

4.3.3与传统KNN回归算法对比．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24

改进集成KNN回归算法的性能评估．．．．．．．．．．．．．．．．．．．．．．．．．．25

5.1评价指标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25

5.1.1平均绝对误差．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26

5.1.2均方误差．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26

5.2性能分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．28

5.2.1算法稳定性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．