基于PCA-KNN融合算法的风力机变桨角度故障诊断方法

摘要：

针对风力机变桨系统变桨角度4种主要故障类型,基于机组SCADA数据分析,提出一种基于非参数核密度估计和Relief-F特征参数提取数据处理,以及PCA-KNN融合算法故障诊断的风力机变桨角度异常状态识别方法.首先,对风力机SCADA数据进行非参数核密度估计预处理,运用Relief-F算法提取变桨角度故障的7类(13个)特征参数;然后,通过PCA-KNN融合算法对变桨角度故障状态进行识别,结果表明:该方法能够准确识别变桨角度4种主要的故障类型.最后,将改进的PCA-KNN融合算法与常用的KNN算法、PCA-KNN算法和BP神经网络进行对比,结果表明:改进的PCA-KNN融合算法具有更为准确的识别率.

关键词：风力机;变桨角度故障;SCADA数据;非参数核密度估计;Relief-F算法;PCA-KNN融合算法

所属期刊栏目：54

资助基金：广东省质量技术监督局科技项目;湖南省研究生科研创新项目

在线出版日期：2021-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：190-198