基于改进KNN回归算法的风电机组齿轮箱状态监测

摘要

针对风电机组齿轮箱的状态监测问题,提出使用改进KNN回归算法建立齿轮箱的正常行为模型.首先,对经典KNN回归算法的距离度量公式进行改进,实验证明预测精度提高约60％;其次,基于改进的离群点和相似点剪辑算法优化KNN回归算法的训练集以提升运算效率,优化后计算时间缩短约20％,预测精度基本保持不变.最后,针对某风电场一台2 MW风电机组的齿轮箱实际故障数据,应用提出的改进KNN回归算法并结合统计过程控制相关理论,实现对齿轮箱故障的预警.结果表明:较经典KNN算法,提出的改进算法故障预警能力显著增强.