基于AC-GAN数据重构的风电机组主轴承温度监测方法
为更好地识别风电机组主轴承运行状态,提出了一种基于辅助分类生成对抗网络(auxiliary classifier generative adversarial networks,AC-GAN)的数据重构算法对风电机组主轴承温度进行监测.首先,利用采集与监视控制系统(supervisory control and data acquisition,SCADA)时序数据建立基于轻型梯度增强学习器(light gradient boosting machine,LightGBM)的主轴承温度预测模型,并计算其残差特征.其次,利用统计过程控制(statistical process control,SPC)方法对主轴承温度异常残差在控制线范围内进行筛选,并利用AC-GAN算法对残差进行重构.最后,分别提取主轴承温度正常和异常的残差特征,建立基于自然梯度提升(natural gradient boosting,NGBoost)的主轴承状态监测模型.实验结果表明,该方法对主轴承运行状态判断准确度高达87.5%,能够有效地监测风电机组轴承类运行状态.
轻型梯度增强学习器;辅助分类生成对抗网络;自然梯度提升;风电机组;主轴承;状态监测;数据重构;温度残差
16
TP8;TK83(远动技术)
国家自然科学基金项目61973116
2021-12-07(万方平台首次上网日期,不代表论文的发表时间)
共11页
1106-1116