-
题名基于改进实例学习算法的风电机组齿轮箱状态监测
- 1
-
-
作者
张书瑶
刘长良
王梓齐
刘帅
刘卫亮
-
机构
华北电力大学控制与计算机工程学院
华北电力大学保定市综合能源系统状态检测与优化调控重点实验室
浙江大学控制科学与工程学院
浙江大学湖州研究院
-
出处
《动力工程学报》
CAS
CSCD
北大核心
2024年第10期1620-1631,共12页
-
基金
国家自然科学基金青年基金资助项目(62203172)
中央高校基本科研业务费资助项目(2020JG006,2020MS117,2023JG005)
湖州市自然科学基金资助项目(2023YZ14)。
-
文摘
风电机组齿轮箱的运行过程是复杂的非线性过程,采用实例学习(IBL)算法建立模型可有效对其进行状态监测。针对实例学习模型对训练数据质量敏感的特点,提出综合考虑多种性质的两步主动学习样本选择方法。首先提出一种基于拉丁超立方体抽样思想的网格划分初始样本选取方法,并基于z-score方法剔除其中的离群点。然后第一步基于信息性和代表性的综合得分选出候选样本来避免离群点影响,第二步基于多样性使第一步的候选样本稀疏化,从而避免冗余点影响。最后,基于指数加权移动平均控制图对实例学习回归模型输出的残差进行分析,并根据故障率对风电机组齿轮箱实现状态监测。利用某风电机组实际故障数据进行验证。结果表明:所提出的方法能选出优质样本,模型精度在验证集上较未改进前有所提升,且运算效率提升约50%,可实现齿轮箱异常的早期预警。
-
关键词
风电机组齿轮箱
状态监测
样本选择
主动学习算法
拉丁超立方体抽样
实例学习算法
-
Keywords
wind turbine gearbox
condition monitoring
sample selection
active learning algorithm
Latin hypercube sampling
instance-based learning algorithm
-
分类号
TM315
[电气工程—电机]
-
