科研之友
微信
新浪微博
Facebook
分享链接
摘要
提出一种基于Stacking多模型融合的风电机组齿轮箱异常状态监测方法。首先，以齿轮箱油池温度为输出特征，利用随机森林算法对清洗后的数据进行特征选择；随后，利用经随机搜索寻优后的多个算法建立单一预测模型，并以Pearson相关系数为指标计算各模型的预测误差相关性选取基学习器；所选算法经5折交叉验证得到的输出作为第2层元学习器的输入进行训练，建立Stacking预测模型；最后，采用滑动窗口方法计算状态评价指标，并根据区间估计理论设置的阈值进行故障预警。以实际风场的齿轮箱历史故障为例，验证Stacking模型的预警能力，表明该方法的有效性。
- 单位
