[参考文献]
[1]GWEC.Global wind energy outlook 2016 available online[EB/OL].（2016-04-04） [2018-05-08].
[2]郭清， 夏虹， 韩文伟.基于小波熵与BP神经网络的电机故障信号研究[J].仪表技术与传感器， 2014（1）： 96-99.
[3]范文， 孙冬梅， 熊鑫， 等.基于信息融合技术的磁轴承转子故障诊断[J].仪表技术与传感器， 2015（12）： 136-140.
[4]张伟， 郑恩让.基于多层前向神经网络的应力传感器故障诊断[J].仪表技术与传感器， 2001（4）： 1-2.
[5]GARCIA M C， SANZ-BOBI M A， DEL PICO J.SIMAP: intelligent system for predictive maintenance: application to the health condition monitoring of a windturbine gearbox[J].Computers in Industry， 2006（6）： 552-568.
[6]ZAHER A， MCARTHUR S D J， INFIELD D G， et al.Online wind turbine fault detection through automated SCADA data analysis[J]. Wind Energy， 2009（6）： 574-593.
[7]KUSIAK A， VERMA A.Analyzing bearing faults in wind turbines: a data-mining approach[J].Renewable Energy， 2012（48）： 110-116.
[8]SUN P， LI J， WANG C， et al.A generalized model for wind turbine anomaly identifcation based on SCADA data[J].Applied Energy，2016（168）： 550-567.
[9]郭东杰， 王灵梅， 郭红龙， 等.改进小波结合BP网络的风力发电机故障诊断[J].电力系统及其自动化学报， 2012（2）： 53-58.
[10]ZHANG Z Y， WANG K S.Wind turbine fault detection based on SCADA data analysis using ANN[J].Advances in Manu Facturing，2014（1）： 70-78.
[11]高兴良.基于逐步回归分析的组合神经网络股指预测研究[D].哈尔滨： 哈尔滨工业大学， 2015.
[12]BANGALORE P， LETZGUS S， KARLSSON D， et al.An artificial neural network‐ based condition monitoring method for wind turbines， with application to the monitoring of the gearbox[J].Wind Energy， 2017（8）： 1421-1438.