風(fēng)電機(jī)組齒輪箱的故障率和維護(hù)成本相對較高,有必要對其運(yùn)行狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測。多元狀態(tài)估計(jì)（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(shí),MSET在線計(jì)算的實(shí)時(shí)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(xùn)練數(shù)據(jù)進(jìn)行多次隨機(jī)抽樣,構(gòu)造多個(gè)記憶矩陣規(guī)模較小的MSET子模型,最終將子模型的結(jié)果平均后作為集成模型的輸出。以某2 MW風(fēng)電機(jī)組的運(yùn)行數(shù)據(jù)為算例,對集成MSET的性能進(jìn)行了對比實(shí)驗(yàn)。結(jié)果表明:在精度相當(dāng)?shù)那疤嵯?集成方法的計(jì)算時(shí)間僅為常規(guī)方法的60%;結(jié)合統(tǒng)計(jì)過程控制技術(shù)設(shè)計(jì)了預(yù)警閾值和滑動窗口異常率,并對集成MSET的故障預(yù)警能力進(jìn)行驗(yàn)證,結(jié)果表明,集成方法能夠提前約10 d預(yù)警齒輪箱的實(shí)際故障。 

【文章來源】：科學(xué)技術(shù)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(xué)習(xí)策略

(3)設(shè)計(jì)預(yù)警閾值的第一步是基于驗(yàn)證集計(jì)算集成模型的輸出 y ^ 和狀態(tài)變量的實(shí)際測量值y,計(jì)算預(yù)測殘差 e=y- y ^ 。第三步是利用統(tǒng)計(jì)過程控制技術(shù),基于預(yù)測殘差序列的樣本均值和樣本標(biāo)準(zhǔn)差計(jì)算預(yù)警閾值。2.2 基于統(tǒng)計(jì)過程控制技術(shù)的預(yù)警閾值設(shè)計(jì)

程序的運(yùn)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(yàn)證集上的測試結(jié)果如圖3所示。圖3中,計(jì)算時(shí)間的含義為計(jì)算1 000組驗(yàn)證集所花費(fèi)的時(shí)間。由圖3可知,從估計(jì)精度的角度,隨著記憶矩陣規(guī)模的擴(kuò)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(kuò)展記憶矩陣能夠改善MSET的估計(jì)精度,但矩陣達(dá)到一定規(guī)模后,繼續(xù)擴(kuò)展對精度的改善較為有限;從計(jì)算時(shí)間的角度,隨著記憶矩陣規(guī)模的擴(kuò)大,常規(guī)MSET的計(jì)算時(shí)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(yán)重影響MSET的實(shí)時(shí)性。


本文編號：3283285