風電機組齒輪箱的故障率和維護成本相對較高,有必要對其運行狀態(tài)進行實時監(jiān)測。多元狀態(tài)估計（multivariate state estimate technique, MSET）是一種常用的狀態(tài)監(jiān)測方法,但在記憶矩陣規(guī)模較大時,MSET在線計算的實時性較差。為此,提出一種基于Bagging集成策略和MSET的新方法:首先基于Bagging集成策略,對訓練數(shù)據(jù)進行多次隨機抽樣,構造多個記憶矩陣規(guī)模較小的MSET子模型,最終將子模型的結果平均后作為集成模型的輸出。以某2 MW風電機組的運行數(shù)據(jù)為算例,對集成MSET的性能進行了對比實驗。結果表明:在精度相當?shù)那疤嵯?集成方法的計算時間僅為常規(guī)方法的60%;結合統(tǒng)計過程控制技術設計了預警閾值和滑動窗口異常率,并對集成MSET的故障預警能力進行驗證,結果表明,集成方法能夠提前約10 d預警齒輪箱的實際故障。 

【文章來源】：科學技術與工程. 2020,20(20)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

Bagging集成學習策略

(3)設計預警閾值的第一步是基于驗證集計算集成模型的輸出 y ^ 和狀態(tài)變量的實際測量值y,計算預測殘差 e=y- y ^ 。第三步是利用統(tǒng)計過程控制技術,基于預測殘差序列的樣本均值和樣本標準差計算預警閾值。2.2 基于統(tǒng)計過程控制技術的預警閾值設計

程序的運行環(huán)境為MATLAB R2018a,CPU型號為Intel i5-7500,內(nèi)存為8 G。常規(guī)MSET在驗證集上的測試結果如圖3所示。圖3中,計算時間的含義為計算1 000組驗證集所花費的時間。由圖3可知,從估計精度的角度,隨著記憶矩陣規(guī)模的擴大,常規(guī)MSET的誤差有一定下降,但矩陣規(guī)模大于2 000后降幅較小,說明擴展記憶矩陣能夠改善MSET的估計精度,但矩陣達到一定規(guī)模后,繼續(xù)擴展對精度的改善較為有限;從計算時間的角度,隨著記憶矩陣規(guī)模的擴大,常規(guī)MSET的計算時間大幅度增長且為非線性增長,說明較大規(guī)模的記憶矩陣會嚴重影響MSET的實時性。


本文編號：3283285