江苏大学主页平台管理系统王龙滟--中文主页-- Enhanced Diagnosis of Wind Turbine Main Bearing Faults Through Fusion of Multi-source Signals with a Hybrid MTF-CNN-NSGAII Approach

个人信息

王龙滟

学位：博士
性别：男
学历：博士研究生毕业
在职信息：在本单位任职
所在单位：流体机械工程技术研究中心

论文成果

当前位置: 中文主页 >> 科学研究 >> 论文成果

Enhanced Diagnosis of Wind Turbine Main Bearing Faults Through Fusion of Multi-source Signals with a Hybrid MTF-CNN-NSGAII Approach

发布时间：2025-10-06 点击次数：

所属单位：流体机械工程技术研究中心
论文名称：Enhanced Diagnosis of Wind Turbine Main Bearing Faults Through Fusion of Multi-source Signals with a Hybrid MTF-CNN-NSGAII Approach
ISSN号：2211-0984
是否译文：否

上一条：Mesh-based data-driven approach for optimization of tidal turbine blade shape

下一条：Deep reinforcement learning-based adaptive yaw control for wind farms in fluctuating winds