[发明专利]一种风机齿轮箱输入轴故障监测和诊断的方法及装置

权利要求书

1.一种风机齿轮箱输入轴故障监测和诊断的方法，其特征在于，包括：

提取原始数据集；

对特征变量综合打分，从所述原始数据集获取排名先前的多个特征变量；

筛选训练模型的总数据，将总数据的80%作为训练集，20%作为检验集；

以齿轮箱输入轴温度为因变量，并检索局部最优的参数组合，确定模型参数，建立基于XGBoost算法的第一层故障监测模型；

将检验集代入模型，获得测试样本对应的实际曲线与预测曲线对比图、残差图，以及评价指标的计算结果；

以齿轮箱输入轴第一层故障监测模型的多个自变量作为第二层故障监测模型的因变量，分别建立子模型；

将第一层处理好的总数据按照相同的方式代入多个子模型中，建立XGBoost算法的第二层故障诊断模型；

将检验集代入多个子模型，得到测试样本对应的多个实际曲线与预测曲线对比图、残差图，以及每一个子模型评价指标的计算结果；

同步对比并行的两层模型，在相同的时刻通过综合分析模型之间的输出结果得出结论；

其中，所述对特征变量综合打分通过结合Pearson相关系数、XGBoost算法、CatBoost算法、专家经验实现。

2.根据权利要求1所述的风机齿轮箱输入轴故障监测和诊断的方法，其特征在于，所述对特征变量综合打分包括：

计算各个特征变量之间的Pearson相关系数；

将特征变量嵌入XGBoost算法、CatBoost算法模型之中，得到变量的主成分排序结果；

两位风电专家基于自身经验对特征变量给出重要性排序；

综合所有方式的排名结果赋予不同的权重，最终加权计算综合排名。

3.根据权利要求1所述的风机齿轮箱输入轴故障监测和诊断的方法，其特征在于，所述筛选训练模型的总数据包括：所述原始数据集包括从SCADA数据库中提取以一分钟为时间间隔，正常运行的并网状态数据。

4.一种风机齿轮箱输入轴故障监测装置，其特征在于，包括：

提取数据单元，用于提取原始数据集；

获取特征单元，用于对特征变量综合打分，从所述原始数据集获取排名先前的多个特征变量；

筛选训练模型单元，用于筛选训练模型的总数据，将总数据的80%作为训练集，20%作为检验集；

构建第一监测模型单元，用于以齿轮箱输入轴温度为因变量，并检索局部最优的参数组合，确定模型参数，建立基于XGBoost算法的第一层故障监测模型；

第一代入单元，用于将检验集代入模型，获得测试样本对应的实际曲线与预测曲线对比图、残差图，以及评价指标的计算结果；

子模型单元，用于以齿轮箱输入轴第一层故障监测模型的多个自变量作为第二层故障监测模型的因变量，分别建立子模型；

建立第二监测模型单元，用于将第一层处理好的总数据按照相同的方式代入多个子模型中，建立XGBoost算法的第二层故障诊断模型；

子模型评价单元，用于将检验集代入多个子模型，得到测试样本对应的多个实际曲线与预测曲线对比图、残差图，以及每一个子模型评价指标的计算结果；

结论单元，用于同步对比并行的两层模型，在相同的时刻通过综合分析模型之间的输出结果得出结论；

其中，所述对特征变量综合打分通过结合Pearson相关系数、XGBoost算法、CatBoost算法、专家经验实现。