仪器仪表学报

作者：王梓齐，刘长良，刘帅

单位：王梓齐,华北电力大学 控制与计算机工程学院保定071003,,刘长良,华北电力大学 控制与计算机工程学院保定071003； 新能源电力系统国家重点实验室（华北电力大学）北京102206,,刘帅,华北电力大学 控制与计算机工程学院保定071003,

关键词：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

基金：北京市自然科学基金（4182061）项目资助

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2MW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。

来源：2019年第7期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2019年第7期