基于PCA和SPC-动态神经网络的风电机组齿轮箱油温趋势预测

摘要

针对风电机组齿轮箱油温趋势预测中存在的信号非线性、多变量相关、各相关变量之间存在数据冗余等问题,同时为了克服人工神经网络离线训练的不足,该文提出了一种基于主成分分析（principal component analysis,PCA）和动态神经网络的齿轮箱油温趋势预测模型,并结合统计过程控制（statistical process control,SPC）实现该模型在线学习能力。确定影响油温变化的相关变量集,利用PCA消除相关变量间的数据冗余,采用有外部输入的非线性自回归动态神经网络（nonlinear autoregressive with external input,NARX）对油温和相关变量集进行建模,采用考虑残差分布规律的SPC方法控制模型在线学习行为。实际应用结果表明：该方法具有较高的稳定性和准确度,能够有效实现油温趋势预测。