检索结果-南通市图书馆

基于Box-Cox变换和相对熵残差分析的风电机组齿轮箱状态监测

在线全文

学校读者我要写书评

暂无评论

中国电机工程学报 2020年第13期40卷 4210-4218页

作者：王梓齐刘长良新能源电力系统国家重点实验室(华北电力大学) 北京市昌平区102206

风电机组齿轮箱的故障频率和维修成本较高,有必要进行实时状态监测。残差分析是基于运行数据的状态监测方法之一。但使用常规统计量作为指标,无法全面描述残差概率分布的变化,可能会得到变化趋势不显著、故障敏感度低的监测信息。为此,... 详细信息

风电机组齿轮箱的故障频率和维修成本较高,有必要进行实时状态监测。残差分析是基于运行数据的状态监测方法之一。但使用常规统计量作为指标,无法全面描述残差概率分布的变化,可能会得到变化趋势不显著、故障敏感度低的监测信息。为此,提出一种基于Box-Cox变换和相对熵的残差分析方法:首先,结合滑动窗口法对正常行为模型的预测残差进行Box-Cox变换,以改善其正态性;之后,计算当前与基准残差数据间的一维连续正态分布相对熵,作为状态监测的指标。用某2MW风电机组齿轮箱故障前和维修后的两组数据进行验证。结果表明,相比常规方法,相对熵的变化趋势更显著、对故障的敏感度更高,且能够直接对比齿轮箱运行状态的相对变化;Box-Cox变换能够进一步改善相对熵的预警能力,使预警时刻提前约4~9h。

关键词： Box-Cox变换相对熵残差分析风电机组齿轮箱状态监测

在线全文

学校读者我要写书评

暂无评论

基于改进型HMM的风电机组齿轮箱故障预测

太阳能学报 2016年第4期37卷 1017-1023页

作者：曾承志姚兴佳唐德尧胡亮红沈阳工业大学电气工程学院沈阳110021 北京唐智科技发展有限公司北京100097

以风电机组齿轮箱轴承齿轮为研究对象,将隐马尔可夫模型(hidden Markov model,HMM)和优胜劣汰遗传算法相结合,对风电机组齿轮箱轴承齿轮的故障进行预测研究,并用实际监测的风电机组齿轮箱冲击数据进行故障预测验证。研究结果表明:该算... 详细信息

以风电机组齿轮箱轴承齿轮为研究对象,将隐马尔可夫模型(hidden Markov model,HMM)和优胜劣汰遗传算法相结合,对风电机组齿轮箱轴承齿轮的故障进行预测研究,并用实际监测的风电机组齿轮箱冲击数据进行故障预测验证。研究结果表明:该算法相对简单,结果不受模型初始值的影响,能收敛于全局最优,克服了HMM的Baum-Welch算法较复杂,结果受模型初始值的影响,易收敛于局部最优的缺点,为风电机组齿轮箱轴承齿轮故障预测的研究提供新的方法和思路。

关键词：隐马尔可夫模型优胜劣汰遗传算法风电机组齿轮箱冲击故障预测

时变工况的风电机组齿轮箱无转速计阶次跟踪方法研究

在线全文

学校读者我要写书评

暂无评论

振动工程学报 2023年第1期36卷 266-279页

作者：万书亭王燕杰张雄顾晓辉华北电力大学河北省电力机械装备健康维护与失效预防重点实验室河北保定071003 石家庄铁道大学省部共建交通工程结构力学行为与系统安全国家重点实验室河北石家庄050043

针对时变工况风电机组齿轮箱振动信号受噪声干扰和频率模糊问题,通过研究无转速下风电机组齿轮箱振动信号与转频波动规律间的联系,提出了基于VMD⁃SET时变工况的风电机组齿轮箱无转速计阶次跟踪方法。该方法利用变分模态分解(VMD)滤波,... 详细信息

针对时变工况风电机组齿轮箱振动信号受噪声干扰和频率模糊问题,通过研究无转速下风电机组齿轮箱振动信号与转频波动规律间的联系,提出了基于VMD⁃SET时变工况的风电机组齿轮箱无转速计阶次跟踪方法。该方法利用变分模态分解(VMD)滤波,利用同步提取变换(SET)对齿轮箱振动信号时频分析,分别从轴承故障时域振动信号中初步提取故障特征频率趋势,从正常齿轮啮合调制时域振动信号中提取啮合频率时频脊线,进一步利用精细化时频脊线交叉解耦优化瞬时频率提取效果,再用提取的转速曲线对轴承故障振动信号进行阶次跟踪,从角域阶次谱中得到故障特征阶次的单根谱线。通过仿真及实验验证了所提方法的优越性和有效性。

关键词：故障诊断风电机组齿轮箱时变工况无转速计阶次跟踪时频分析

基于集成NSET和模糊软聚类的风电机组齿轮箱状态监测

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

仪器仪表学报 2019年第7期40卷 138-146页

作者：王梓齐刘长良刘帅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

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:... 详细信息

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。

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

在线全文

学校读者我要写书评

暂无评论

基于数据挖掘的风电机组齿轮箱运行状态分析

中国机械工程 2018年第6期29卷 650-658页

作者：贾子文顾煜炯华北电力大学能源动力与机械工程学院北京102206

针对风电机组齿轮箱运行状态识别困难的问题,基于数据挖掘思想,提出改进的非线性状态估计方法,得到了机组参数与运行状态之间的关联机制;通过因子分析,有效减小样本数据空间,提高了样本数据的解释能力;根据机组实际运行特点,运用滑动窗... 详细信息

针对风电机组齿轮箱运行状态识别困难的问题,基于数据挖掘思想,提出改进的非线性状态估计方法,得到了机组参数与运行状态之间的关联机制;通过因子分析,有效减小样本数据空间,提高了样本数据的解释能力;根据机组实际运行特点,运用滑动窗口与异常率的方法对预测残差进行分析,保证了最终分析结果的准确性与可信性。结合实际案例分析可知,该方法较传统分析方法能够更及时、准确地察觉风电机组齿轮箱异常状态。

关键词：风电机组齿轮箱数据挖掘非线性状态估计方法因子分析

在线全文

学校读者我要写书评

暂无评论

风电机组齿轮箱故障诊断方法研究

风电机组齿轮箱故障诊断方法研究

作者：高钦武江苏师范大学

学位级别：硕士

风电机组长期处于恶劣的自然环境当中,极易产生各种故障。其中齿轮箱由于自身的结构特点和运行工况成为了故障的多发部件。同时,齿轮箱一旦发生故障,将会引起连锁反应,导致整个传动系统停机,造成了极大的经济损失和恶劣的社会影响。因... 详细信息

风电机组长期处于恶劣的自然环境当中,极易产生各种故障。其中齿轮箱由于自身的结构特点和运行工况成为了故障的多发部件。同时,齿轮箱一旦发生故障,将会引起连锁反应,导致整个传动系统停机,造成了极大的经济损失和恶劣的社会影响。因而本文选择的研究对象是风电机组齿轮箱,并对其开展振动监测和故障诊断的研究工作。论文的主要工作如下:1.分析了风电机组齿轮箱的主要结构,计算齿轮箱的结构参数,建立三维模型,对其进行动力学建模分析,获得齿轮箱振动固有规律。并深入了解齿轮箱的动态特性,为后续齿轮箱振动信号的减震消噪奠定理论基础。2.介绍了风电机组齿轮箱的故障模式,探究风电机组齿轮箱故障形成原因和故障机理,建立起故障模式与故障机理之间的逻辑联系。同时,研究风电机组齿轮箱的振动机理和传递路径,建立起不同工况下的齿轮箱振动信号解析模型,有利于研究载荷波动对振动响应的反演算法,同时也有利于选择敏感测点,为实验提供可靠的数据来源。3.提出了一种基于核域谱的故障诊断方法。通过上述建立的齿轮箱振动信号解析模型,核域谱方法的有效性得以验证。在仿真信号识别正确的基础上,核域谱方法被应用到更复杂的风电机组齿轮箱实测信号上,以探究核域谱方法的实用性。最后,通过对实验结果分析,探索该方法对于小样本容量振动信号的适用性。并对目标模板进行改进,建立起一套完善的核域谱故障诊断方法。4.提出了一种基于IELMD和LSSVM的风电机组齿轮箱故障识别方法。该方法有效的解决风电机组齿轮箱信噪比低,识别困难的情况,并通过实测信号验证该方法的有效性,为风电机组齿轮箱的故障识别提供了有效的帮助。

关键词：风电机组齿轮箱振动信号故障诊断核域谱

基于改进实例学习算法的风电机组齿轮箱状态监测

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

动力工程学报 2024年第10期44卷 1620-1631页

作者：张书瑶刘长良王梓齐刘帅刘卫亮华北电力大学控制与计算机工程学院北京102206 华北电力大学保定市综合能源系统状态检测与优化调控重点实验室河北保定071000 浙江大学控制科学与工程学院杭州310058 浙江大学湖州研究院浙江湖州313002

风电机组齿轮箱的运行过程是复杂的非线性过程,采用实例学习(IBL)算法建立模型可有效对其进行状态监测。针对实例学习模型对训练数据质量敏感的特点,提出综合考虑多种性质的两步主动学习样本选择方法。首先提出一种基于拉丁超立方体抽... 详细信息

风电机组齿轮箱的运行过程是复杂的非线性过程,采用实例学习(IBL)算法建立模型可有效对其进行状态监测。针对实例学习模型对训练数据质量敏感的特点,提出综合考虑多种性质的两步主动学习样本选择方法。首先提出一种基于拉丁超立方体抽样思想的网格划分初始样本选取方法,并基于z-score方法剔除其中的离群点。然后第一步基于信息性和代表性的综合得分选出候选样本来避免离群点影响,第二步基于多样性使第一步的候选样本稀疏化,从而避免冗余点影响。最后,基于指数加权移动平均控制图对实例学习回归模型输出的残差进行分析,并根据故障率对风电机组齿轮箱实现状态监测。利用某风电机组实际故障数据进行验证。结果表明:所提出的方法能选出优质样本,模型精度在验证集上较未改进前有所提升,且运算效率提升约50%,可实现齿轮箱异常的早期预警。

关键词：风电机组齿轮箱状态监测样本选择主动学习算法拉丁超立方体抽样实例学习算法

结合C-均值聚类的自适应共振神经网络在风电机组齿轮箱故障诊断中的应用

在线全文

学校读者我要写书评

暂无评论

动力工程学报 2015年第8期35卷 646-651,665页

作者：李状柳亦兵马志勇滕伟华北电力大学能源动力与机械工程学院北京102206

提出了一种结合C-均值聚类的自适应共振(Adaptive Resonance Theory 2,ART2)神经网络无监督学习分类方法,用于风电机组齿轮箱设备群的故障诊断.利用某风电场齿轮箱运行数据,采用ART2神经网络对样本数据进行初步分类,再采用C-均值聚类算... 详细信息

提出了一种结合C-均值聚类的自适应共振(Adaptive Resonance Theory 2,ART2)神经网络无监督学习分类方法,用于风电机组齿轮箱设备群的故障诊断.利用某风电场齿轮箱运行数据,采用ART2神经网络对样本数据进行初步分类,再采用C-均值聚类算法对神经网络分类结果进行修正,得到最终诊断结果,并与ART2神经网络分类结果进行了比较.结果表明:所提出的方法解决了原始神经网络算法存在"硬竞争"导致分类精度下降的问题,准确度高于传统的ART2神经网络,可以准确识别出故障齿轮箱.

关键词：风电机组齿轮箱自适应共振神经网络 C-均值聚类无监督学习故障诊断

基于改进集成KNN回归算法的风电机组齿轮箱状态监测

在线全文

学校读者我要写书评

暂无评论

动力工程学报 2023年第6期43卷 759-767页

作者：张书瑶王梓齐刘长良华北电力大学控制与计算机工程学院北京102206

风电机组齿轮箱是容易发生故障的重要部件,维修费用高昂,因此有必要对其进行实时状态监测。针对集成K近邻(KNN)算法对随机采样不敏感的问题,提出了一种基于规则采样的改进集成KNN模型。首先利用距离相关系数进行变量选择,然后基于正则... 详细信息

风电机组齿轮箱是容易发生故障的重要部件,维修费用高昂,因此有必要对其进行实时状态监测。针对集成K近邻(KNN)算法对随机采样不敏感的问题,提出了一种基于规则采样的改进集成KNN模型。首先利用距离相关系数进行变量选择,然后基于正则化互信息对变量进行排序,将其用于规则采样,构造子训练集,最后基于统计过程控制方法设置预警阈值对实时残差进行分析,根据健康度曲线对风电机组齿轮箱健康度进行监测,并利用某风电机组实际数据对所提方法进行验证。结果表明:所提方法显著提升了模型估计精度,该模型优于常规集成KNN模型,可以实现齿轮箱的早期故障预警。

关键词：风电机组齿轮箱状态监测正则化互信息有规则采样集成KNN回归算法