Page 172 - 新能源风力发电技术与自动化技术研究

新能源风力发电技术与自动化技术研究
Research on New Energy Wind Power Generation Technology and Automation Technology

显著提高了齿轮箱的故障诊断率。由此可见，DL 在进行复杂系统的故障诊断时
具有巨大的潜力，但此类算法训练耗时，容易出现过拟合的情况。

5. 支持向量机
支持向量机（support vector machine，SVM）是一种二分类模型，用于求解
凸二次规划的最优化算法。由于单独使用 SVM 技术存在资源耗费较大，且不具
有不确定性管理能力等，一般需要对其改进。例如，刘跃飞等将最小二乘SVM（least
squares SVM，LS-SVM）应用于风电机组齿轮箱的故障预测中，首先利用皮尔逊

相关系数对特征变量进行筛选，然后利用 SVM 回归对风机齿轮的正常状态建立
预测模型，再利用统计过程控制分析预测模型，以降低算法复杂度、加快计算速
度。但 SVM 对参数和核函数选择敏感，不适用于解决多分类问题。
相关向量机（relevance vector machine，RVM）是一种特殊的用于回归和分

类的贝叶斯稀疏核算法，其函数形式与 SVM 相同，但其可以给出预测结果的
置信区间，并且使用较少的核函数就可达到与 SVM 相同的泛化能力。例如，
WIDOFO A 等分别利用 RVM 和 SVM 建立了低速轴的故障诊断和预测模型，实
验结果证明前者的性能优于后者。HE C 等基于 RVM 建立了齿轮早期故障检测

模型，首先利用小波包变换从齿轮原始振动信号提取时域统计特征作为特征向
量，并采用 Fisher 准则选择出最优的特征向量，研究表明，采用变分径向基函数
（variance radial basis function，VRBF）的鲁棒性高于高斯径向基函数（Gaussian
radial basis function，GRBF），研究表明 RVM 比 SVM 更适合在线诊断。

6. 灰色模型
灰色预测是通过少量、不完全的数据，建立数学模型并进行预测的一种方法，
其核心是灰色模型（grey model，GM）。灰色预测是对灰色系统所做出的预测，
即通过对原始数据进行统计处理，得到近似的指数规律，用观测到的反映预测对

象的特征量进行建模并预测。例如，梁春辉从风电机组原始温度监测数据中提取
出多组时间序列，建立风电机组系统灰色预测模型，以识别故障模式与故障原因，
并根据评估结果进行故障预警，一定程度上克服了风电机组运行状态的不确定性。
但灰色预测模型只适用于中短期的预测和指数增长的预测。

7.Petri 网模型
Petri 网是对离散并行系统的数学表示，能够用较少元素直观、方便地表示
复杂系统内部状态的变化，在描述系统异步和并发活动方面具有一定的优势，适

160