基于小波神经网络的风机故障诊断  

Fault Diagnosis of Wind Turbines Based on Wavelet Neural Network

作　　者：刘国奇[1,2] 毛海宇 蒲宝明[1] 朱永峰 黄金[2] 

机构地区：[1]中国科学院沈阳计算技术研究所,沈阳110168 [2]东北大学软件学院,沈阳110819 [3]北京岳能科技有限公司,北京100000

出　　处：《小型微型计算机系统》2015年第7期1504-1508,共5页Journal of Chinese Computer Systems

基　　金：国家自然科学基金项目(61202085)资助

摘　　要：主要研究在海量风机运行历史数据中,发现各个故障发生时参数取值的变化从而来达到诊断故障的目的.首先对某种故障的数据进行预处理,然后运用主成分分析法删除无关属性对数据进行降维,接着用一部分训练小波神经网络,另外一部分测试小波神经网络.本文定义了故障偏移向量组的一系列概念,将小波神经网络测试误差几乎为0的历史状态数据取出,利用故障偏移向量组的概念对故障发生时参数的取值进行分析,得出该故障的故障偏移向量组.用同样的方法得出其他故障对应的故障偏移向量组,从而通过故障偏移向量组来诊断故障.This essay intends to find out the parameter choice changes in the failure occurrences when tremendous wind turbines are being operated. In that way,the goal of fault diagnosis can be achieved. First,preprocess the fault data. Second,remove those irrelevant attributes by using the theory of principal component analysis. Third,get one part of data to train the wavelet neural network and the other part to test the network. This essay gives the definition of excursion vector,which can be used to get out those data with little errors and to analyze the changes of parameters. The definition of excursion vector group can be gained in the same way which is helpful to diagnose the faults.

关 键 词：故障诊断 数据挖掘 故障偏移向量 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]