基于集成NSET和模糊软聚类的风电机组齿轮箱状态监测

作者：王梓齐; 刘长良^*; 刘帅

来源：仪器仪表学报, 2019, 40(07): 138-146.

DOI：10.19650/j.cnki.cjsi.J1905106

• 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

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。

• 单位
  新能源电力系统国家重点实验室; 华北电力大学