一种基于改进决策树的风机齿轮润滑系统故障诊断方法技术方案

本发明专利技术涉及风机故障诊断的技术领域，更具体地，涉及一种基于改进决策树的风机齿轮润滑系统故障诊断方法，包括以下步骤：S10.收集多组发电机组齿轮油液数据；S20.对步骤S10中齿轮油液数据进行归一化处理，对归一化数据按比例划分为训练集和测试集；S30.对决策树模型进行改进，将步骤S20中训练集代入改进后的决策树模型中进行训练得到决策树集成模型；将步骤S20中测试集输入到所述决策树集成模型中检验训练结果；再将待测数据输入到训练完毕的决策树进行预测，并根据风机齿轮箱的典型磨损故障评定故障等级。本发明专利技术可提高预测准确率，减少误判和漏判，对可能存在的故障隐患进行预测和判断，能有效的降低风机运营成本，减少故障性停机时间，提供事前检修。提供事前检修。提供事前检修。

【技术实现步骤摘要】
一种基于改进决策树的风机齿轮润滑系统故障诊断方法


[0001]本专利技术涉及风机故障诊断的
，更具体地，涉及一种基于改进决策树的风机齿轮润滑系统故障诊断方法。

技术介绍

[0002]随着化石能源的不断枯竭以及人类应对环境变化的迫切需求，风力发电作为新能源的重要组成部分获得极大的关注和持续投入。近年来，风机的全球装机容量逐年增加，风力发电成为仅次于煤炭的能源形式。风力发电机的大型化及其地理分布的差异化对风机运行的可靠性、低成本维修维护提出前所未有的挑战。风机在运行过程中，要承受环境温度、风力强度以及各种自然条件变化对设备性能造成的影响，为降低风机运维成本，减少故障性停机时间，技术人员常需采用不同的方法对风机开展状态监测及预测性维护。风机是由轮毂、驱动轴、齿轮箱、发电机和偏航系统等组成的复杂机械系统，任何部件的故障要么引起设备的停机，要么会对其他相关部件造成损坏，其中，齿轮箱是动力传递和能力传输的核心部件，负责提升低速轴转速、以满足发电机驱动轴高转速的要求，因此，其要承受涡轮侧部件和风能引起的所有机械振动以及发电机的反馈振动，成为风力发电机状态监测的核心部件。
[0003]中国专利CN106226071A公开了一种风力发电机齿轮箱故障诊断方法，包括如下步骤：S1.对风力发电机齿轮箱的润滑油进行油品检测分析，分析风力发电机齿轮箱是否发生故障或者存在发生故障的风险；S2.对风力发电机齿轮箱进行振动检测，分析风力发电机齿轮箱发生故障的部位及故障等级；S3.对风力发电机进行内窥镜检测，确定风力发电机齿轮箱的故障类型及故障程度。上述方案虽具有可及早发现风力发电机齿轮箱所存在的故障隐患，可准确确定故障发生的部位、类型及故障程度等优点，然而上述方案检测过程复杂、对检测人员的要求较高、且其预测准确性不高。

技术实现思路

[0004]本专利技术的目的在于克服现有技术中的不足，提供一种基于改进决策树的风机齿轮润滑系统故障诊断方法，检测过程简单、对检测人员的要求较低、预测准确度高。
[0005]为解决上述技术问题，本专利技术采用的技术方案是：
[0006]提供一种基于改进决策树的风机齿轮润滑系统故障诊断方法，包括以下步骤：
[0007]S10.收集多组发电机组齿轮油液数据；
[0008]S20.对步骤S10中所述齿轮油液数据进行归一化处理，对归一化数据按比例划分为训练集和测试集；
[0009]S30.对决策树模型进行改进，将步骤S20中所述训练集代入改进后的决策树模型中进行训练得到决策树集成模型；将步骤S20中所述测试集输入到所述决策树集成模型中检验训练结果；再将待测数据输入到训练完毕的决策树进行预测，并根据风机齿轮箱的典型磨损故障评定故障等级。
[0010]本专利技术的基于改进决策树的风机齿轮润滑系统故障诊断方法，通过对改进决策树进行训练，提高预测的准确率，减少误判和漏判问题，对可能存在的故障隐患进行预测和判断，能有效的降低风机运营成本，减少故障性停机时间，提供事前检修；且本专利技术检测过程简单，对检测人员要求较低，具有较高的预测准确度。
[0011]优选地，步骤S10中，发电机齿轮油液数据包括运动黏度、酸值、污染度、铁磁性颗粒PQ、磨损元素铁含量、磨损元素铜含量、污染元素硅含量、添加剂元素磷含量；发电机齿轮油液数据形成根节点、中间节点或叶节点，中间节点位于根节点和叶节点之间，根节点、中间节点及叶节点形成决策树。
[0012]优选地，步骤S20中，对步骤S10中所述齿轮油液数据进行Min
‑
Max标准化归一化处理得到归一化数据集，采用[0,1]归一化将齿轮油液数据映射到[0,1]区间；其中，Min
‑
Max标准化公式为：
[0013][0014]式中，x
i
表示需要转换的序列，y
i
表示新序列。
[0015]优选地，步骤S20中，归一化数据按照15:5的比例划分为训练集与测试集。
[0016]优选地，步骤S30中，改进前的决策树模型采用的算法为CART算法，将分裂属性取值划分为两个子集，使生成的每个中间节点都有两个分支，以二叉树的形式表现属性分裂；计算分裂后两个子集划分的Gini系数；选择最小Gini系数的变量作为分裂变量，循环计算得到决策树；其中，Gini系数按下式计算：
[0017][0018]式中，k为当前节点，k1和k2为当前节点的两个子集。
[0019]以决策树T的损失函数表示决策树的分类预测误差：
[0020]C
a
(T)＝C(T)+a|T|
[0021]式中，T为任意子树，C(T)为T在测试集上的预测误差；|T|为叶节点数目，衡量树的复杂程度；a为复杂度参数，即每增加一个叶节点所带来的复杂度；对于任意中间节点，剪枝前以t节点为根节点的子树的损失函数为：
[0022]C
a
(T
t
)＝C(T
t
)+a|T
t
|
[0023]剪枝后的损失函数为：
[0024]C
a
(T)＝C(T)+a
[0025]C
a
(T
t
)＝C
a
(T)时，按以下公式可计算得到a：
[0026][0027]当时，保留子树T
t
，否则剪掉子树T
t
。
[0028]优选地，对于多棵决策树，建立组合决策树模型，决策结果表示为：
[0029][0030]式中，x为输入变量；C为决策树个数；T
i
(x)为单个决策树的预测结果。
[0031]优选地，步骤S30中，对决策树模型的改进过程包括以下步骤：
[0032]S31.选取决策树深度范围为2～12层，使得模型的准确性区域稳定；
[0033]S32.选取决策树修剪复杂度范围为0.000～0.200，使得模型表现稳定的预测准确性；
[0034]S33.选取组合分类树，使得模型表现高的预测准确性；
[0035]S34.按照步骤S31～S33，综合修剪复杂度、决策树深度、分类树组合树对决策树模型的准确定的影响，确定适用于风机齿轮润滑系统的修剪复杂度、决策树深度及分类树组合树，完成对决策树模型的改进。
[0036]优选地，选取决策树深度为7、决策树修剪复杂度为0.006、分类树组合数为3。
[0037]优选地，步骤S30中，所述故障采用故障代码表示，故障代码0～8分别表示为正常状态、油液污染、齿轮面腐蚀或磨损、齿轮面划伤、保持架磨损或腐蚀、油液黏度升高、油液黏度下降、油液老化、润滑油添加剂衰减。
[0038]与现有技术相比，本专利技术的有益效果是：
[0039]本专利技术的基于改进决策树的风机齿轮润滑系统故障诊断方法，通过对改进决策树进行训练，选取选取决策树深度为、决策树修剪复杂度为、分类树组合数，提高预测的准确率，减少误判和漏判本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进决策树的风机齿轮润滑系统故障诊断方法，其特征在于，包括以下步骤：S10.收集多组发电机组齿轮油液数据；S20.对步骤S10中所述齿轮油液数据进行归一化处理，对归一化数据按比例划分为训练集和测试集；S30.对决策树模型进行改进，将步骤S20中所述训练集代入改进后的决策树模型中进行训练得到决策树集成模型；将步骤S20中所述测试集输入到所述决策树集成模型中检验训练结果；再将待测数据输入到训练完毕的决策树进行预测，并根据风机齿轮箱的典型磨损故障评定故障等级。2.根据权利要求1所述的基于改进决策树的风机齿轮润滑系统故障诊断方法，其特征在于，步骤S10中，发电机齿轮油液数据包括运动黏度、酸值、污染度、铁磁性颗粒PQ、磨损元素铁含量、磨损元素铜含量、污染元素硅含量、添加剂元素磷含量；发电机齿轮油液数据形成根节点、中间节点或叶节点，中间节点位于根节点和叶节点之间，根节点、中间节点及叶节点形成决策树。3.根据权利要求1所述的基于改进决策树的风机齿轮润滑系统故障诊断方法，其特征在于，步骤S20中，对步骤S10中所述齿轮油液数据进行Min
‑
Max标准化归一化处理得到归一化数据集，采用[0，1]归一化将齿轮油液数据映射到[0，1]区间；其中，Min
‑
Max标准化公式为：式中，x
i
表示需要转换的序列，y
i
表示新序列。4.根据权利要求3所述的基于改进决策树的风机齿轮润滑系统故障诊断方法，其特征在于，步骤S20中，归一化数据按照15∶5的比例划分为训练集与测试集。5.根据权利要求1至4任一项所述的基于改进决策树的风机齿轮润滑系统故障诊断方法，其特征在于，步骤S30中，改进前的决策树模型采用的算法为CART算法，将分裂属性取值划分为两个子集，使生成的每个中间节点都有两个分支，以二叉树的形式表现属性分裂；计算分裂后两个子集划分的Gini系数；选择最小Gini系数的变量作为分裂变量，循环计算得到决策树；其中，Gini系数按下式计算：式中，k为当前节点，k1和k2为当前节点的两个子集。6.根据权利要求5所述的基于改进决策树的风机齿轮润滑系统故障诊断方法，其特征在于，以决策树T的损失函数表示决策树的分类预测...

【专利技术属性】
技术研发人员：黎唐东，毛凌波，谭桂斌，石新发，贺石中，
申请(专利权)人：广州机械科学研究院有限公司，
类型：发明
国别省市：