融合SCADA数据的风电机组齿轮箱状态评估

• 作者: 孙文磊 樊盼盼 王炜超 袁逸萍 贾依达尔·热孜别克 赵琴
• 来源期刊: 机械科学与技术
• 学科: 工学
• 关键词: 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
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 机械动力学
• 页码范围: 201-206
• 页数: 6页
• 分类号: TP277
• 字数: 3819字
• 语种: 中文
• DOI: 10.13433/j.cnki.1003-8728.20190112

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙文磊	新疆大学机械工程学院	325	1422	16.0	21.0
2	袁逸萍	新疆大学机械工程学院	68	228	8.0	12.0
3	赵琴	新疆大学机械工程学院	3	7	1.0	2.0
4	王炜超	新疆大学机械工程学院	3	0	0.0	0.0
5	樊盼盼	新疆大学机械工程学院	2	0	0.0	0.0
6	贾依达尔·热孜别克	新疆大学机械工程学院	2	0	0.0	0.0