基于神经基拓展分析的风电机组齿轮箱故障预警

来源：动力工程学报杂志2026年第2期北京时间：

作者：魏乐, 舒孝海, 陈远野, 房方,

摘要：为解决现有齿轮箱故障预警方法中特征冗余、预测精度低、泛化能力弱及误报率高的问题,提出了一种基于神经基拓展分析的预警方法。该方法将Sigmoid函数曲线与基于密度的空间聚类算法相结合,从原始数据中提取正常监测数据;通过改进的灰色关联度算法为不同数据点赋予权重,深度挖掘变量信息,从高维监控与数据采集系统采集的数据中提取与齿轮箱油温相关的特征变量;利用局部非线性投影将目标信号分解为基函数,实现对齿轮箱状态变量的高精度预测;通过滑动窗口和置信区间设置故障阈值,减少误报率。最后,基于实际风场数据进行验证。结果表明:在齿轮箱状态预测中基于NBEATSx模型的故障预警方法显著提升了预测精度,较传统模型降低了误报率,具备提前数小时预知故障的能力,从而有效保障了风电机组的稳定运行。

关键词：风电机组,故障预警,齿轮箱,神经及拓展分析,特征变量,