大型风电机组状态监控与故障诊断技术高层学术会议教学课件.ppt

3.3 齿轮箱磨损预测 支持向量回归（Support vector Regression，SVR）是基于统计学习理论和结构风险最小基础上的新算法，能有效解决小样本、非线性、高维数和局部极小等问题。 针对起重机齿轮箱的磨损趋势预测问题，利用支持向量机局部核函数与全局核函数的特性，先采用全局核函数OSVR算法在线预测整体趋势，再用局部核函数OSVR算法对残差实时修正，从而提高总体预测精度与效率。 南京理工大学 陆宝春 2014大型风电机组状态监控与故障诊断技术高层学术会议 设定函数区间[-1,1]，输入值为0.4，通过改变各核函数关键参数观察函数值变化： a. 多项式核函数特性曲线 b. RBF核函数特性曲线 南京理工大学 陆宝春 2014大型风电机组状态监控与故障诊断技术高层学术会议 多项式核函数（全局核函数）能够获取待预测样本较大范围内的全局信息，具有较强的外推能力，但学习能力较弱；径向基核函数（局部核函数）能够有效提取样本点附近的信息，有较强的非线性逼近能力，但外推能力较弱。对于磨损趋势预测的在线建模问题，单一的核函数SVR模型在预测能力上有局限性，因此考虑将两种互补性的核函数模型组合起来，充分利用两种核函数的优点，提高预测精度。 南京理工大学 陆宝春 2014大型风电机组状态监控与故障诊断技术高层学术会议 3.3 齿轮箱磨损预测 在线预测流程图 南京理工大学 陆宝春 2014大型风电机组状态监控与故障诊断技术高层学术会议 算法步骤： 3.3 齿轮箱磨损预测 对于样本（X，Y），通过相空间重构输入输出映射关系： 采用OSVR算法在线训练样本： 南京理工大学 陆宝春 2014大型风电机组状态监控与故障诊断技术高层学术会议 3.3 齿轮箱磨损预测 对整体趋势对下一步做预测 构造下一步的残差预测函数 结合趋势项与残差预测函数构造最终预测值 南京理工大学 陆宝春 2014大型风电机组状态监控与故障诊断技术高层学术会议 3.3 齿轮箱磨损预测 南京理工大学 陆宝春 2014大型风电机组状态监控与故障诊断技术高层学术会议 局部核函数预测效果 3.3 齿轮箱磨损预测 南京理工大学 陆宝春 2014大型风电机组状态监控与故障诊断技术高层学术会议 全局核函数预测效果 3.3 齿轮箱磨损预测 南京理工大学 陆宝春 2014大型风电机组状态监控与故障诊断技术高层学术会议 组合核函数OSVR预测 3.3 齿轮箱磨损预测 预测算法 平均绝对误差 标准均方根误差 运行时间 组合核函数OSVR 0.0966 0.3708 1.3151s 全局核函数OSVR 0.1414 0.6205 0.7734s 局部核函数OSVR 0.1295 0.5243 1.6112s 预测结果对比 组合核函数OSVR算法能够在保证预测效率的同时具有最高的预测精度，完全能对非线性时变的磨损时间序列进行在线预测，并为风电吊装装备减速齿轮箱磨损故障预报提供有力依据。 南京理工大学 陆宝春 2014大型风电机组状态监控与故障诊断技术高层学术会议 四、总结与展望 海上风电吊装装备采用了电子液压、自动检测、嵌入式控制、负载实时保护与远程监控维护等先进技术，设备效率高、柔性好，特别适合现代海上吊装等作业。 我国海上风电吊装装备技术水平达到国际先进，完全可以替代进口产品。 海上风电吊装装备传动系统的正常、稳定运行，直接影响了风机的安装。对海上风电吊装装备传动系统的实时监测、诊断与维护对实现海上风电安装高效安全作业具有重大影响。 与海上风力发电机相同，对海上风电吊装装备的核心传动系统的诊断与维护仍需要深入研究和探索。 南京理工大学 陆宝春 2014大型风电机组状态监控与故障诊断技术高层学术会议 四、总结与展望 南京理工大学 陆宝春 2014大型风电机组状态监控与故障诊断技术高层学术会议 针对海上风电吊装装备传动系统的故障诊断方法的研究，已取得的成果： 《基于组合核函数OSVR算法的起重机减速齿轮箱磨损趋势预测》 作者：曹劲然 冯毅 陆宝春 中国机械工程（已录用） 《基于连续峭度优化小波系数的滚动轴承故障特征提取》 作者：冯毅 曹劲然 陆宝春 振动与冲击（已录用） 《基于自适应多稳态随机共振的轴承微弱故障信号检测》 作者：冯毅 曹劲然 陆宝春 振动、测试与诊断（二审） 南京理工大学 陆宝春 2014大型风电机组状态监控与故障诊断技术高层学术会议 谢谢大家！ 海上风电吊装装备传动系统 故障诊断与维护 陆宝春 教授 南京理工大学 2014.11.28 2014大型风电机组状态监控与故障诊断技术高层学术会议 海上风电发展概况 海上风电吊装装备发展现状 海上风电吊装装备传动系统的故障诊断