融合SCADA数据的风电机组齿轮箱状态评估

作     者：王炜超 袁逸萍 孙文磊 赵琴 樊盼盼 贾依达尔·热孜别克 Wang Weichao;Yuan Yiping;Sun Wenlei;Zhao Qin;Fan Panpan;Jiayidaer·Rezibieke

作者机构：新疆大学机械工程学院乌鲁木齐830047 

出 版 物：《机械科学与技术》 (Mechanical Science and Technology for Aerospace Engineering)

年 卷 期：2020年第39卷第2期

页      面：201-206页

核心收录：

学科分类：080801[工学-电机与电器] 0808[工学-电气工程] 08[工学] 

基　　金：国家自然科学基金项目(51365054 51565055)资助 

主　　题：数据融合 核主成分 最小二乘支持向量机 SCADA数据 统计过程控制原理 

摘      要：为对风机齿轮箱状态进行准确评估,提出一种基于核主成分(KPCA)与最小二乘支持向量机(LS-SVM)结合的齿轮箱数据融合故障预测模型。鉴于SCADA系统中数据信息质量的不确定性和冗余性,该模型首先对监测数据预处理(4分位法剔除异常数据等),对齿轮箱特征因素进行相关性分析,利用该预测方法对齿轮箱典型状态特征(振动、温度特征等)进行预测,利用统计过程控制原理(SPC)分析残差,以实现齿轮箱异常状态的预测。最后,以齿轮箱油温预测为例,验证了该模型的准确性和有效性。