基于集成NSET和模糊软聚类的风电机组齿轮箱状态监测

论文摘要

风电机组齿轮箱的故障频率和维修成本较高,有必要对其运行状态进行实时监测。非线性状态估计(NSET)算法有着对记忆矩阵依赖大、无法有效利用数据资源改善精度、实时性差等不足。为此,提出一种基于模糊软聚类和集成NSET的状态监测方法:使用模糊软聚类将历史数据分为边界有重叠的不同类别,实现工况的软划分并构造多个不同工况的NSET模型作为个体学习器;以参数回归方法作为结合器,可在不影响实时性的同时,使用大量数据训练参数以改善精度。用某2 MW风电机组的齿轮箱故障数据进行验证,结果表明,相比常规方法,提出方法的精度和实时性均更优;通过预测残差均值和基于残差构造的健康指数,能够灵敏、准确的反映齿轮箱的早期故障及其发展趋势。

论文目录

文章来源

类型: 期刊论文

作者: 王梓齐,刘长良,刘帅

关键词: 集成学习,非线性状态估计,模糊软聚类,风电机组齿轮箱,状态监测

来源: 仪器仪表学报 2019年07期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 华北电力大学控制与计算机工程学院,新能源电力系统国家重点实验室(华北电力大学)

基金: 北京市自然科学基金(4182061)项目资助

分类号: TM315

DOI: 10.19650/j.cnki.cjsi.J1905106

页码: 138-146

总页数: 9

文件大小: 332K

下载量: 184

相关论文文献

标签：集成学习论文;  非线性状态估计论文;  模糊软聚类论文;  风电机组齿轮箱论文;  状态监测论文;