基于MIC-(PSO-BP)-MWA-KDE的风电机组齿轮箱油温预警方法

作者：彭丽君; 刘绪军

来源：电脑与信息技术, 2022, 30(03): 49-52.

DOI：10.19414/j.cnki.1005-1228.2022.03.009

• 风机齿轮箱
• 状态监测
• 故障预警
• 神经网络

针对风电机组齿轮箱故障预警问题，提出一种基于MIC-(PSO-BP)-MWA-KDE的齿轮箱油温预警方法。首先，使用最大互信息系数(Maximal Information Coefficient, MIC)求出与齿轮箱油温相关性高的参数作为模型的输入，采用PSO-BP神经网络构建齿轮箱油温预测模型。然后，通过计算齿轮箱油温实际值与预测值的残差绝对值，结合移动加权平均法(Moving Weighted Average, MWA)、核密度估计(Kernel Density Estimation, KDE)建立齿轮箱状态监测模型。通过实际案例分析可知，本文提出的预警方法可提前齿轮箱油温异常预警时间，预警时间提前约11小时。

• 单位
  江西工程学院