机床与液压

作者：周伟，魏鑫，李西兴

单位：湖北工业大学机械工程学院；湖北工业大学机械工程学院；湖北工业大学机械工程学院

关键词：风电机组齿轮箱;长短期记忆网络模型（LSTM）;故障预警;数据采集与监控系统(SCADA);飞蛾火焰算法（MFO）

基金：国家自然科学基金青年科学基金项目（51805152）;湖北工业大学绿色工业引领计划项目（XJ2021005001）

风电机组齿轮箱在数据采集与监控系统（SCADA）的帮助下，通过监控齿轮箱油温是否超过阈值实现故障报警，其判断精度不高且问题发现不及时，因此使用长短期记忆网络模型（LSTM）融合SCADA数据实现对齿轮箱油温状态的预测。用齿轮箱正常运行状态下的数据训练LSTM模型，计算油温预测值与真实值之间的残差，根据正态分布的原则设置残差的上下预警阈值，用来对齿轮箱故障进行预警。为简化训练模型的复杂度，在SCADA数据中选用与齿轮箱油温相关性较为密切的参数作为LSTM模型的输入项。为降低因LSTM模型超参数设置不当造成的预测准确度表现不佳，提出改进飞蛾火焰算法（MFO）与LSTM的组合模型，在保留MFO算法强大的全局搜索能力的同时，使其避免陷入局部搜索的陷阱，通过改进MFO对LSTM模型参数进行迭代优化，最终构建合适的模型。最后通过某风电机组SCADA数据验证该方法能够有效预警齿轮箱的故障，并且与其他方法相比准确度更高，预警更及时，迭代效果更好。

来源：2024年第4期

《机床与液压》期刊编辑部

查看机床与液压杂志2024年第4期