• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于改進遺傳算法優(yōu)化自聯(lián)想神經(jīng)網(wǎng)絡(luò)的風(fēng)機故障診斷

    2022-07-12 14:23:06李政宇李練兵芮瑩瑩
    計算機應(yīng)用與軟件 2022年6期
    關(guān)鍵詞:故障診斷故障模型

    李政宇 李練兵 芮瑩瑩

    (河北工業(yè)大學(xué)人工智能與數(shù)據(jù)科學(xué)學(xué)院 天津 300132)

    0 引 言

    變槳系統(tǒng)是風(fēng)機控制系統(tǒng)中的重要組成部分,不僅直接影響風(fēng)機對風(fēng)能的利用率,其氣動剎車功能還負(fù)責(zé)極端情況下風(fēng)機的自身安全[1]。大風(fēng)冰雹天氣以及風(fēng)速風(fēng)向的不斷變化,對變槳系統(tǒng)的性能與壽命均造成影響,增大了其故障發(fā)生率[2],使變槳系統(tǒng)成為風(fēng)機故障易發(fā)部件。同時變槳系統(tǒng)安裝在離地面數(shù)十米的高度,維修難度大、成本高,因此對風(fēng)機變槳系統(tǒng)的故障診斷研究具有重要意義。

    在數(shù)據(jù)采集與監(jiān)控(SCADA)的基礎(chǔ)上,很多學(xué)者對風(fēng)機變槳系統(tǒng)故障診斷進行了深入研究。文獻[3]通過Relief方法挖掘特征參量,提出基于多特征參量距離的變槳系統(tǒng)運行狀態(tài)異常識別方法,采用支持向量機(SVM)回歸方法對異常狀態(tài)進行識別,但是SVM在大樣本數(shù)據(jù)處理上,收斂速度較慢。文獻[4]利用非線性狀態(tài)評估方法,建立變槳系統(tǒng)正常運行狀態(tài)的健康模型,根據(jù)相似性原理判斷模型預(yù)測值與正常狀態(tài)的偏差,根據(jù)輸入?yún)?shù)對偏差的影響來確定故障的原因,但偏差閾值不易計算。文獻[5]選取風(fēng)速、風(fēng)向、槳距角和電機轉(zhuǎn)速參量,分別建立多元線性回歸分析和BP神經(jīng)網(wǎng)絡(luò)故障預(yù)測模型,實驗分析表明BP神經(jīng)網(wǎng)絡(luò)在風(fēng)電變槳系統(tǒng)中的故障預(yù)測效果優(yōu)于多元線性回歸預(yù)測。文獻[6]采用自適應(yīng)神經(jīng)模糊推理系統(tǒng)(ANFIS)的故障診斷方法,擬合SCADA系統(tǒng)采集數(shù)據(jù)與風(fēng)電機組運行狀態(tài)之間的規(guī)律,實現(xiàn)變槳系統(tǒng)的故障診斷。人工神經(jīng)網(wǎng)絡(luò)對于變槳系統(tǒng)這類難以建立精確數(shù)學(xué)模型、擁有較多運行數(shù)據(jù)變量的系統(tǒng)的故障診斷有較好的效果,但是網(wǎng)絡(luò)的初始參數(shù)不易確定,隨機的初始參數(shù)很容易導(dǎo)致神經(jīng)網(wǎng)絡(luò)產(chǎn)生局部最優(yōu)解,影響收斂速度和結(jié)果準(zhǔn)確性。

    本文在上述研究成果的基礎(chǔ)上,針對一般算法在大樣本處理上收斂速度較慢、全局尋優(yōu)效果較差以及變槳系統(tǒng)的精確數(shù)學(xué)模型難以建立等問題,提出了一種采用改進自適應(yīng)遺傳算法(Improved Adaptive Genetic Algorithm,IAGA)優(yōu)化自聯(lián)想神經(jīng)網(wǎng)絡(luò)(Auto-Associative Neural Network,AANN)的方法。該方法利用遺傳算法全局尋優(yōu)的特性,與自聯(lián)想神經(jīng)網(wǎng)絡(luò)相結(jié)合,對自聯(lián)想神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值參數(shù)進行優(yōu)化,改善其收斂速度慢、易陷入局部最優(yōu)解的缺陷。同時針對遺傳算法的后期搜索效率低、易過早收斂等問題,本文從選擇算子和適應(yīng)度函數(shù)兩個方面進行改進:(1) 結(jié)合種群進化代數(shù)與優(yōu)秀個體選取比例,設(shè)計新的選擇公式,保證種群多樣性,加快遺傳算法收斂速率;(2) 根據(jù)故障診斷對漏診率要求嚴(yán)格的特性,設(shè)計更加適合故障診斷的適應(yīng)度函數(shù),引入AUC確保較低的漏診率,同時降低不平衡數(shù)據(jù)對模型診斷效果的干擾?;贗AGA-AANN算法建立變槳系統(tǒng)正常運行的模型,采用JS(Jensen-Shannon)散度比較正常運行數(shù)據(jù)與劣化或故障時刻數(shù)據(jù)經(jīng)過模型后輸出的殘差分布的偏移度,簡化閾值計算和模型建立過程,實現(xiàn)對變槳系統(tǒng)的故障診斷。最后通過實驗測試,驗證了該方法的有效性。

    1 自聯(lián)想神經(jīng)網(wǎng)絡(luò)

    自聯(lián)想神經(jīng)網(wǎng)絡(luò)是具有對稱拓?fù)浣Y(jié)構(gòu)的五層前饋傳遞網(wǎng)絡(luò),是BP神經(jīng)網(wǎng)絡(luò)的一種特殊情形,其特點是輸出量等于輸入量,具有對稱的拓?fù)浣Y(jié)構(gòu),可被用于高維空間有效特征提取[7]、系統(tǒng)建模、故障識別等問題[8]。

    本文選用自聯(lián)想神經(jīng)網(wǎng)絡(luò)提取變槳系統(tǒng)運行數(shù)據(jù)的主要特征和相互關(guān)聯(lián)的同時,將其正常運行模式固化到網(wǎng)絡(luò)中,通過比較劣化或故障時刻數(shù)據(jù)與正常運行數(shù)據(jù)殘差分布的差異程度,更加準(zhǔn)確、直觀地反映變槳系統(tǒng)的健康狀態(tài)。相較于支持向量機(SVM)、隨機森林(RF)等用于數(shù)據(jù)特征提取、故障診斷的方法,自聯(lián)想神經(jīng)網(wǎng)絡(luò)不僅用于區(qū)分故障與健康的分類問題,而且通過輸入與輸出數(shù)據(jù)的殘差分布情況可以對設(shè)備的健康狀態(tài)進行量化,將多種相關(guān)運行參量作為診斷依據(jù),防止單一參量和閾值判斷對診斷結(jié)果的影響;同時其訓(xùn)練方式為無監(jiān)督式訓(xùn)練,不依賴有限的故障訓(xùn)練樣本,避免樣本不均衡對診斷結(jié)果造成的干擾,提升診斷方法的準(zhǔn)確率。

    在自聯(lián)想神經(jīng)網(wǎng)絡(luò)中,輸入數(shù)據(jù)經(jīng)過輸入層、映射層到達瓶頸層的過程屬于編碼過程;再通過瓶頸層到映射層最后到輸出層的過程屬于解碼過程。首先高維數(shù)據(jù)通過輸入層非線性映射到瓶頸層,實現(xiàn)對高維數(shù)據(jù)的壓縮進而提取有效的特征維度。設(shè)g(x)表示編碼函數(shù),xi作為輸入,i為x的第i個維度。數(shù)據(jù)經(jīng)過編碼過程得出yi,其表達式為:

    yi=gθ(xi)=s(Wxi+b)

    (1)

    式中:s(x)是非線性激活函數(shù);θ=(W,b)是g(x)的參數(shù);W代表權(quán)重;b是偏置。

    然后,隱含層的yi由瓶頸層通過非線性函數(shù)再映射到與輸入層相同維度的輸出層實現(xiàn)信息的解碼,即對輸入數(shù)據(jù)的重構(gòu),其表達式為:

    (2)

    式中:θ′=(W′,b′)是h(y)的參數(shù);W′代表權(quán)重;b′為偏置。

    這樣通過對數(shù)據(jù)的非線性的壓縮和重構(gòu),自聯(lián)想神經(jīng)網(wǎng)絡(luò)模型將會習(xí)得各個變量之間的非線性關(guān)系。對于輸入為變槳系統(tǒng)正常運行的數(shù)據(jù),AANN會將正常運行時數(shù)據(jù)間的特性與關(guān)聯(lián)固化到模型當(dāng)中。AANN模型訓(xùn)練時,以最小化輸入與輸出誤差為目標(biāo),尋求最優(yōu)網(wǎng)絡(luò)參數(shù),使輸出盡可能還原輸入數(shù)據(jù)。當(dāng)輸入劣化或故障時刻數(shù)據(jù)時,輸出的數(shù)據(jù)就會和輸入數(shù)據(jù)有較大偏差。

    (3)

    式中:n為一個樣本包含的變量個數(shù);m為總共的樣本數(shù)。

    圖1 自聯(lián)想神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

    2 遺傳算法及改進

    遺傳算法(Genetic Algorithm, GA)是模擬自然界遺傳和生物進化論而成的一種全局優(yōu)化概率搜索算法。它將問題的潛在可能解看作一個種群,以適應(yīng)度函數(shù)作為評判標(biāo)準(zhǔn),經(jīng)過選擇、交叉、變異3個遺傳算子產(chǎn)生下一代個體,不斷進化迭代,直到找出最優(yōu)的個體[9]。相較于其他算法,標(biāo)準(zhǔn)遺傳算法具有適應(yīng)性強、全局尋優(yōu)等優(yōu)點,但也存在局部尋優(yōu)能力差,導(dǎo)致其訓(xùn)練比較費時,在進化后期搜索效率較低,容易產(chǎn)生早熟問題。本文針對上述問題,從選擇算子和適應(yīng)度函數(shù)兩個方面進行改進,提出一種改進自適應(yīng)遺傳算法(IAGA)用于提高原算法的搜索效率、局部尋優(yōu)能力,避免早熟現(xiàn)象的發(fā)生。

    2.1 改進選擇算子

    選擇操作是根據(jù)適應(yīng)度函數(shù)選出適應(yīng)度高的個體進行繁衍產(chǎn)生下一代,常用的選擇算子有輪盤賭法、排序法以及精英保留策略。輪盤賭法存在隨機誤差,可能會排除適應(yīng)度高的個體,排序法及精英選擇策略保留了優(yōu)秀個體但可能破壞種群的多樣性,導(dǎo)致算法易于陷入早熟收斂。為此,本文在上述方法的基礎(chǔ)上進行改進,在保證準(zhǔn)群多樣性的同時選出較優(yōu)個體。算法步驟如下:1) 確定一個初始種群,依據(jù)適應(yīng)度函數(shù)計算每個個體的適應(yīng)度值;2) 按照適應(yīng)度大小將種群中的個體降序排序;3) 根據(jù)當(dāng)前迭代次數(shù)x和總迭代次數(shù)xmax,按照式(4)確定保留優(yōu)秀個體的數(shù)量n,余下的個體使用輪盤賭法選擇,然后將選出的個體進行交叉和變異操作。

    (4)

    式中:P為要選出的優(yōu)秀個體占總體的最大比例;N為種群個體總數(shù);xmax為最大進化代數(shù)。4)進行精英保留操作,比較上一代和本代最優(yōu)的個體,選出適應(yīng)度最高的個體作為本代最優(yōu)個體,并替換本代最差個體。為了保留其優(yōu)秀基因,該個體不進行交叉和變異操作直接進入下一代。

    初始種群具備多樣性,所以在最初迭代時對排序方法選擇的優(yōu)秀個體數(shù)進行限制。隨著迭代次數(shù)的增加,逐漸增大選取比例,結(jié)合輪盤賭算法,改進后的選擇算子提高了種群的多樣性。同時根據(jù)適應(yīng)度函數(shù)對個體進行了有效篩選,并對最優(yōu)個體采取精英保留操作,保證了算法的收斂速率。

    2.2 適應(yīng)度函數(shù)設(shè)計

    (5)

    式中:m為自聯(lián)想神經(jīng)網(wǎng)絡(luò)輸出節(jié)點數(shù)。

    遺傳算法是朝著適應(yīng)度函數(shù)值增大的方向進化,但自聯(lián)想神經(jīng)網(wǎng)絡(luò)模型誤差越小,模型越優(yōu),所以取目標(biāo)函數(shù)的倒數(shù)作為適應(yīng)度函數(shù)。同時風(fēng)機故障診斷模型非常注重模型預(yù)測的準(zhǔn)確性,因此本文在上述適應(yīng)度函數(shù)的基礎(chǔ)上加入自聯(lián)想神經(jīng)網(wǎng)絡(luò)的AUC值,提升診斷模型的準(zhǔn)確性,降低誤報率,改進后的適應(yīng)度函數(shù)為:

    (6)

    式中:ζ為一個極小值,防止分母為0;k為調(diào)節(jié)系數(shù)。將個體解碼賦給自聯(lián)想神經(jīng)網(wǎng)絡(luò)的權(quán)值、閾值,再輸入訓(xùn)練數(shù)據(jù),求出AUC值代入式(6),即為該個體的適應(yīng)度值。

    2.3 自適應(yīng)交叉和變異概率

    交叉和變異算子實現(xiàn)對種群的更新,常規(guī)遺傳算法使用恒定的交叉與變異概率,這會使算法搜索效率低下,且可能陷入局部最優(yōu),無法找出最優(yōu)個體[10]。本文選用自適應(yīng)的交叉和變異率,其公式如下:

    (7)

    (8)

    式中:交叉率的上下限分別為Pc1、Pc2,變異率的上下限分別為Pm1、Pm2;fmax表示每代種群個體中最大的適應(yīng)度值;favg為當(dāng)前種群平均適應(yīng)度值;f′為要進行交叉操作的兩個個體中較大的適應(yīng)度值;f為變異個體的適應(yīng)度值。

    由于本文使用實數(shù)編碼,所以交叉算子采用算數(shù)交叉算子,公式如下:

    (9)

    變異算子采用均勻變異的方法,選取第m個染色體中第j個基因進行變異操作,其染色體取值范圍為[Umin,Umax],表達式為:

    xmj=Umin+λ(Umax-Umin)

    (10)

    式中:λ為[0,1]內(nèi)均勻分布的隨機數(shù)。

    3 模型構(gòu)建

    3.1 故障診斷模型閾值的選取

    本文基于IAGA-AANN的方法,將風(fēng)機變槳系統(tǒng)正常運行數(shù)據(jù)作為輸入,獲得模型輸出殘差,統(tǒng)計各個殘差的頻數(shù),獲得殘差概率分布。以此為基準(zhǔn),當(dāng)輸入變槳系統(tǒng)故障數(shù)據(jù)后,模型的輸出殘差和概率分布情況就會與正常情況有所區(qū)別,通過計算這兩種殘差概率分布的相差程度即偏移度,判斷風(fēng)機變槳系統(tǒng)是否故障。

    比較兩個分布間的相似度,一般采用相對熵進行衡量,即KL(Kullback-Leibler divergence)散度[11-12]。設(shè)p(x)表示數(shù)據(jù)的真實分布,q(x)為數(shù)據(jù)的擬合分布,則在離散型隨機變量的情形下,KL散度計算公式如下:

    (11)

    因為KL散度值域范圍為[0,∞],無上界,并且具有不對稱性,所以不適合作為閾值。為了更加準(zhǔn)確地比較殘差分布的偏移程度,本文選用基于KL散度的變體JS(Jensen-Shannon)散度作為衡量兩個殘差分布差異的指標(biāo)。其值域范圍為[0,1],JS散度越小,表示分布越相似,分布完全相同是0,相反則為1。相較于KL散度,JS散度對相似度的判別更加確切,計算公式如下:

    (12)

    3.2 故障診斷模型的評估指標(biāo)

    為了降低模型誤診斷的概率,引入時間窗口的概念:以故障數(shù)據(jù)所在時刻為中心,選取的一個時間范圍。在該段時間內(nèi)分析超過設(shè)定閾值的預(yù)測點數(shù),如果有60%以上的預(yù)測點超出閾值范圍[13],則判斷變槳系統(tǒng)發(fā)生故障,否則視為誤報,不予采納。最佳時間窗口范圍可依據(jù)模型評估指標(biāo),通過實驗確定。

    由于風(fēng)機故障數(shù)據(jù)相比于正常運行數(shù)據(jù)占比較低,即使模型預(yù)測的全是正常狀態(tài),準(zhǔn)確率也不會太低。因此訓(xùn)練模型時以準(zhǔn)確率作為評判標(biāo)準(zhǔn)便不能較好地反映模型的診斷效果。而根據(jù)ROC曲線計算的AUC值,即使在正負(fù)樣本不均衡的情況下,也不會發(fā)生很大變化,能較好地反映診斷模型的診斷效果,因此本文選用AUC值作為模型評估指標(biāo)。AUC值的計算要先通過混淆矩陣來定義一些指標(biāo),如表1所示。

    表1 混淆矩陣

    表1中:TP(真正例)表示模型診斷為故障,實際也是故障的事件;FN(假反例)表示模型診斷無故障,但實際有故障的事件;FP(假正例)表示模型診斷為故障,但實際無故障的事件;TN(真反例)表示模型診斷無故障,實際也是無故障的事件。根據(jù)上述定義,得出如下指標(biāo):

    準(zhǔn)確率(accuracy)是模型正確診斷事件的比例,在正負(fù)樣本較為均衡的情況下,準(zhǔn)確率越高,模型的診斷效果越好。

    (13)

    真正類率(TPR)表示在所有實際故障的事件中,被診斷模型正確識別的比例。

    (14)

    負(fù)正類率(FPR)表示在所有實際無故障的事件中,被診斷模型錯誤地判斷為故障的比例。

    (15)

    分別以FPR和TPR為橫縱坐標(biāo),以不同的閾值計算對應(yīng)的FPR、TPR值,構(gòu)成不同的點,將其連接起來即為ROC曲線,計算其與橫坐標(biāo)所圍成的面積即為AUC值。

    3.3 IAGA-AANN故障診斷模型

    (1) 數(shù)據(jù)準(zhǔn)備。在SCADA系統(tǒng)記錄的相關(guān)數(shù)據(jù)中,選取有關(guān)變槳系統(tǒng)運行的數(shù)據(jù)信息,包含15個運行參數(shù),分別為:當(dāng)前風(fēng)速、風(fēng)機有功功率、葉片轉(zhuǎn)速、發(fā)電機轉(zhuǎn)速、風(fēng)機3個葉片的槳距角和變槳驅(qū)動電流、變槳系統(tǒng)軸承溫度、伺服電機溫度、3個葉片的IGBT溫度。

    去除功率為0、數(shù)值缺失、重復(fù)記錄等無效數(shù)據(jù),并按照式(16)對處理后的數(shù)據(jù)進行歸一化處理,獲得風(fēng)機變槳系統(tǒng)的樣本集。

    (16)

    (2) 診斷模型實施步驟。利用改進的遺傳算法全局尋優(yōu)的特性,優(yōu)化自聯(lián)想神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值,改善自聯(lián)想神經(jīng)網(wǎng)絡(luò)收斂速度慢,易陷入局部最優(yōu)解的缺陷。

    IAGA-AANN診斷模型的診斷流程如下:

    ① 對采集的數(shù)據(jù)進行歸一化以及奇異值去除等預(yù)處理操作,分為訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)。

    ② 根據(jù)輸入輸出樣本數(shù)據(jù),確定自聯(lián)想神經(jīng)網(wǎng)絡(luò)的輸入輸出節(jié)點以及隱藏層結(jié)構(gòu)。

    ③ 設(shè)置種群數(shù)量N,最大迭代次數(shù)M,并隨機生成N個個體作為初始種群,采用實數(shù)編碼的方法對自聯(lián)想神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進行編碼,每個個體包含自聯(lián)想神經(jīng)網(wǎng)絡(luò)的全部權(quán)值、閾值以及它們的位置信息。

    ④ 對每個個體解碼獲取自聯(lián)想神經(jīng)網(wǎng)絡(luò)的權(quán)值、閾值;訓(xùn)練自聯(lián)想神經(jīng)網(wǎng)絡(luò),根據(jù)式(6)計算個體適應(yīng)度值。

    ⑤ 依據(jù)適應(yīng)度值對個體降序排列,然后按照改進的選擇算子對種群中的個體進行選取,除了精英保留策略選取的個體外,對其余選中個體以式(7)、式(8)的自適應(yīng)交叉概率和自適應(yīng)變異概率進行交叉和變異操作。

    ⑥ 判斷適應(yīng)度值是否滿足要求或達到最大進化代數(shù),若滿足,則輸出最優(yōu)個體,否則進入步驟④。

    ⑦ 解碼最優(yōu)個體,并將權(quán)閾值信息賦予自聯(lián)想神經(jīng)網(wǎng)絡(luò)的參數(shù)空間,并進行參數(shù)微調(diào)訓(xùn)練,然后將測試集輸入故障診斷模型中,獲得殘差數(shù)據(jù)及其分布信息,對殘差進行分析,驗證算法的準(zhǔn)確性及效率。

    4 實驗分析

    本文選取華北某風(fēng)電場1.5 MW風(fēng)電機組SCADA系統(tǒng)收集的數(shù)據(jù)進行實驗分析。經(jīng)過多次實驗,設(shè)置種群規(guī)模為60,最大進化代數(shù)200,交叉概率最大最小值分別為Pc1=0.89,Pc2=0.58,變異概率最大最小值分別為Pm1=0.15,Pm2=0.005。自聯(lián)想神經(jīng)網(wǎng)絡(luò)輸入節(jié)點數(shù)為15,映射層與解映射層節(jié)點為數(shù)9,瓶頸層節(jié)點數(shù)為5,學(xué)習(xí)率為0.02。

    圖2為IAGA、AGA和GA三種優(yōu)化算法的最優(yōu)個體適應(yīng)度曲線??梢钥闯鯥AGA不僅在收斂速度上優(yōu)于AGA和GA,而且最終的適應(yīng)度函數(shù)值也更大,擁有更好的參數(shù)尋優(yōu)效果。

    IAGA-AANN、AGA-AANN和GA-AANN模型訓(xùn)練誤差曲線如圖3所示。GA-AANN在迭代1 592次時達到設(shè)定的精度要求,AGA-AANN在迭代1 075次時達到精度要求,而IAGA-AANN在迭代694次時達到精度要求,說明IAGA-AANN的收斂速度更快。

    圖3 AANN、AGA-AANN和IAGA-AANN訓(xùn)練誤差曲線

    將經(jīng)過預(yù)處理的包含變槳系統(tǒng)正常運行和故障時刻數(shù)據(jù)的訓(xùn)練集,代入IAGA-AANN模型中,比較經(jīng)過JS散度計算的正常運行和故障時刻的殘差分布偏移度,得到模型的閾值為0.39。圖4為部分訓(xùn)練數(shù)據(jù)殘差分布的偏移度散點圖。

    圖4 診斷模型閾值的確定

    用已得到的模型閾值作為評判變槳系統(tǒng)是否故障的指標(biāo),使模型AUC值最大化,即診斷模型的準(zhǔn)確性最高。得出當(dāng)窗口時間長度選取為50 min時,AUC達到最佳值0.967。

    本文選取的某風(fēng)電場在2019年5月11日3號風(fēng)機變槳系統(tǒng)發(fā)生故障,因此選取故障前10天的數(shù)據(jù)來檢驗本文提出的故障診斷方法的有效性。利用訓(xùn)練好的IAGA-AANN故障診斷模型獲取風(fēng)機的殘差分布,得出的偏移度曲線如圖5所示。

    圖5 風(fēng)機變槳系統(tǒng)偏移度曲線

    在滑動的時間窗口內(nèi),將得出的偏移度與設(shè)定的模型閾值進行比較,判斷變槳系統(tǒng)是否故障。從圖5中可以看出,5月3日有一次超過閾值的情況,但其所占比例在滑動時間窗口內(nèi)沒有超過60%,所以判定為無效警報。在5月8日偏移度開始出現(xiàn)較大震蕩,并有上升的趨勢,5月10日偏移度超出閾值,并持續(xù)增大,判斷該風(fēng)機變槳系統(tǒng)非常可能發(fā)生故障,應(yīng)停機檢修。

    為了更直觀地比較這幾種算法的性能,采用同一變槳系統(tǒng)測試集作為診斷模型的輸入數(shù)據(jù),對最小二乘向量機(LSSVM)、AANN、GA-AANN、IAGA-AANN等診斷模型的AUC值以及準(zhǔn)確率進行了比較,結(jié)果如表2所示。

    表2 IAGA-AANN與其他模型的對比

    選取的測試集中包含的正負(fù)樣本數(shù)較為均衡,所以此時準(zhǔn)確率也可作為測試集中模型診斷效果的衡量指標(biāo)。從表1可以看出IAGA-AANN診斷模型的AUC值和準(zhǔn)確率均明顯高于其他模型,因此IAGA-AANN故障診斷模型的精確度較高,效果較好。

    5 結(jié) 語

    本文提出了一種基于IAGA-AANN的風(fēng)機變槳系統(tǒng)故障診斷模型,利用風(fēng)機正常運行歷史數(shù)據(jù)對模型進行訓(xùn)練,通過計算正常與故障時刻模型輸出殘差分布的JS散度,獲取模型閾值,判斷變槳系統(tǒng)是否故障。在評估指標(biāo)中引入AUC值和時間窗口,進一步增加模型的準(zhǔn)確性。采用風(fēng)機變槳系統(tǒng)正常運行與故障時刻的數(shù)據(jù)進行實驗分析,驗證模型有效性。實驗結(jié)果表明,該模型可以對風(fēng)機變槳系統(tǒng)的故障進行準(zhǔn)確有效的判斷,對風(fēng)機安全穩(wěn)定運行具有重要指導(dǎo)意義。

    猜你喜歡
    故障診斷故障模型
    一半模型
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計的漸近分布
    故障一點通
    3D打印中的模型分割與打包
    奔馳R320車ABS、ESP故障燈異常點亮
    因果圖定性分析法及其在故障診斷中的應(yīng)用
    故障一點通
    江淮車故障3例
    基于LCD和排列熵的滾動軸承故障診斷
    午夜福利在线免费观看网站| 成人国语在线视频| 亚洲精品久久成人aⅴ小说| 国产不卡一卡二| 80岁老熟妇乱子伦牲交| 嫩草影院精品99| 免费观看人在逋| 麻豆av在线久日| 国产精品秋霞免费鲁丝片| 成年女人毛片免费观看观看9| 人人澡人人妻人| 91在线观看av| 亚洲三区欧美一区| 国产又色又爽无遮挡免费看| 天堂√8在线中文| 久久人妻熟女aⅴ| 久久九九热精品免费| 国产区一区二久久| 亚洲精品久久午夜乱码| 国产精品 国内视频| 日本a在线网址| 欧美乱妇无乱码| 极品人妻少妇av视频| 欧美人与性动交α欧美精品济南到| 国产一区二区三区综合在线观看| 国产主播在线观看一区二区| 少妇粗大呻吟视频| 久久精品亚洲熟妇少妇任你| 最新美女视频免费是黄的| 久久这里只有精品19| 一个人观看的视频www高清免费观看 | 国产精品久久久人人做人人爽| 妹子高潮喷水视频| 国产精品98久久久久久宅男小说| 亚洲中文日韩欧美视频| 91精品国产国语对白视频| 国产高清国产精品国产三级| 国产精品久久电影中文字幕| 法律面前人人平等表现在哪些方面| 久久精品91无色码中文字幕| 国产成人精品久久二区二区91| 亚洲精品久久成人aⅴ小说| 亚洲,欧美精品.| 国产一区二区在线av高清观看| 国产成年人精品一区二区 | 91国产中文字幕| 97超级碰碰碰精品色视频在线观看| 十分钟在线观看高清视频www| 操美女的视频在线观看| 久久香蕉激情| 久久香蕉激情| 麻豆国产av国片精品| 亚洲精品中文字幕一二三四区| 91成年电影在线观看| 午夜福利一区二区在线看| 免费高清视频大片| 超色免费av| www国产在线视频色| 一级毛片女人18水好多| 伦理电影免费视频| 9热在线视频观看99| 欧美+亚洲+日韩+国产| av中文乱码字幕在线| 99热只有精品国产| 亚洲av成人av| 久久亚洲真实| 国产成人一区二区三区免费视频网站| 欧美久久黑人一区二区| 欧美不卡视频在线免费观看 | 国产成人欧美在线观看| 欧美另类亚洲清纯唯美| av国产精品久久久久影院| 欧美日韩精品网址| 婷婷精品国产亚洲av在线| 午夜福利,免费看| 成在线人永久免费视频| 欧美色视频一区免费| 一级片'在线观看视频| 可以在线观看毛片的网站| 久久国产精品影院| 999久久久国产精品视频| 国产又爽黄色视频| 极品教师在线免费播放| 久久九九热精品免费| 后天国语完整版免费观看| 欧美日韩视频精品一区| 黄色片一级片一级黄色片| 欧美中文日本在线观看视频| 国产精品一区二区免费欧美| 999久久久精品免费观看国产| 人人妻人人爽人人添夜夜欢视频| 欧美成狂野欧美在线观看| 国产99久久九九免费精品| 午夜视频精品福利| 宅男免费午夜| 亚洲一码二码三码区别大吗| 别揉我奶头~嗯~啊~动态视频| av网站在线播放免费| 看片在线看免费视频| 黑人巨大精品欧美一区二区mp4| 涩涩av久久男人的天堂| 人成视频在线观看免费观看| 久久热在线av| 人人妻,人人澡人人爽秒播| 国产精品av久久久久免费| 首页视频小说图片口味搜索| 亚洲五月色婷婷综合| 国产精品免费一区二区三区在线| 在线观看免费午夜福利视频| 美国免费a级毛片| 丁香欧美五月| 又大又爽又粗| 一级毛片精品| 国产在线观看jvid| 91国产中文字幕| 丁香六月欧美| 国产不卡一卡二| 色精品久久人妻99蜜桃| 日日夜夜操网爽| 日韩欧美国产一区二区入口| 国产亚洲精品久久久久5区| 大码成人一级视频| 亚洲精品在线美女| 日韩视频一区二区在线观看| 一级片'在线观看视频| 女同久久另类99精品国产91| 午夜福利免费观看在线| 欧美丝袜亚洲另类 | 12—13女人毛片做爰片一| 视频区欧美日本亚洲| 亚洲欧美激情综合另类| 欧美日韩精品网址| 女生性感内裤真人,穿戴方法视频| 亚洲人成伊人成综合网2020| 欧美不卡视频在线免费观看 | 国产熟女xx| 国产不卡一卡二| 黄片大片在线免费观看| 国产精品野战在线观看 | 国产av一区在线观看免费| 天堂俺去俺来也www色官网| 国产黄a三级三级三级人| 极品人妻少妇av视频| 又黄又爽又免费观看的视频| 国产一卡二卡三卡精品| 亚洲人成伊人成综合网2020| 欧美日韩瑟瑟在线播放| 欧美激情 高清一区二区三区| 99热国产这里只有精品6| netflix在线观看网站| 男女午夜视频在线观看| 国内毛片毛片毛片毛片毛片| 久久久久精品国产欧美久久久| 丰满饥渴人妻一区二区三| 亚洲av日韩精品久久久久久密| 老司机午夜福利在线观看视频| 少妇 在线观看| 成年人免费黄色播放视频| av片东京热男人的天堂| 亚洲熟女毛片儿| 一二三四社区在线视频社区8| 两人在一起打扑克的视频| 色老头精品视频在线观看| 1024香蕉在线观看| 色婷婷av一区二区三区视频| 亚洲精品一卡2卡三卡4卡5卡| 亚洲久久久国产精品| 三级毛片av免费| 一本综合久久免费| 人人妻人人爽人人添夜夜欢视频| 精品久久蜜臀av无| ponron亚洲| 精品国产乱码久久久久久男人| 黄色丝袜av网址大全| 丝袜在线中文字幕| 一个人观看的视频www高清免费观看 | 真人一进一出gif抽搐免费| 91精品国产国语对白视频| 天天影视国产精品| 久久久国产成人免费| 精品久久久精品久久久| 午夜免费观看网址| e午夜精品久久久久久久| 黄色成人免费大全| 香蕉丝袜av| 搡老乐熟女国产| 97碰自拍视频| 桃红色精品国产亚洲av| 丝袜美足系列| 日韩欧美三级三区| 波多野结衣一区麻豆| 国内久久婷婷六月综合欲色啪| 国产精品久久久久成人av| 久久人人精品亚洲av| 国产午夜精品久久久久久| 视频在线观看一区二区三区| 久久久久久亚洲精品国产蜜桃av| 国产aⅴ精品一区二区三区波| 在线十欧美十亚洲十日本专区| 97碰自拍视频| 欧美老熟妇乱子伦牲交| 日韩人妻精品一区2区三区| 可以免费在线观看a视频的电影网站| 91精品国产国语对白视频| 亚洲人成网站在线播放欧美日韩| 18禁观看日本| 亚洲久久久国产精品| 国产精华一区二区三区| 久久午夜综合久久蜜桃| www.自偷自拍.com| 超色免费av| av电影中文网址| 精品人妻在线不人妻| 一边摸一边抽搐一进一小说| 国产成人精品久久二区二区免费| 亚洲精品国产区一区二| 80岁老熟妇乱子伦牲交| av在线天堂中文字幕 | 丁香六月欧美| 久久香蕉精品热| 免费少妇av软件| 日韩欧美免费精品| 国产欧美日韩一区二区精品| 最近最新中文字幕大全电影3 | av在线天堂中文字幕 | 91老司机精品| 老司机在亚洲福利影院| 国产一卡二卡三卡精品| 一区二区三区精品91| 91大片在线观看| 亚洲精品国产区一区二| 欧美激情 高清一区二区三区| 69av精品久久久久久| 美女扒开内裤让男人捅视频| 亚洲av成人一区二区三| 国产无遮挡羞羞视频在线观看| 国产免费av片在线观看野外av| 久久久久久久精品吃奶| 99香蕉大伊视频| 在线观看舔阴道视频| 国产男靠女视频免费网站| 中国美女看黄片| 亚洲国产欧美网| 午夜免费观看网址| 国产激情久久老熟女| 日韩免费av在线播放| av超薄肉色丝袜交足视频| 99久久99久久久精品蜜桃| 亚洲,欧美精品.| 亚洲第一欧美日韩一区二区三区| 久久婷婷成人综合色麻豆| 国产精品久久久久久人妻精品电影| 丁香六月欧美| 免费高清视频大片| 久久热在线av| 两个人免费观看高清视频| 夜夜夜夜夜久久久久| 身体一侧抽搐| 18禁裸乳无遮挡免费网站照片 | 久久这里只有精品19| 激情视频va一区二区三区| а√天堂www在线а√下载| 亚洲精品久久午夜乱码| 亚洲av美国av| 精品日产1卡2卡| 天天躁夜夜躁狠狠躁躁| 狠狠狠狠99中文字幕| 日韩欧美在线二视频| 99国产极品粉嫩在线观看| 亚洲九九香蕉| 精品久久久久久久久久免费视频 | 亚洲成a人片在线一区二区| 精品国产超薄肉色丝袜足j| 日韩av在线大香蕉| 亚洲专区字幕在线| 叶爱在线成人免费视频播放| 亚洲午夜理论影院| 国产一区二区激情短视频| 久久影院123| 搡老岳熟女国产| 国产麻豆69| 精品国产超薄肉色丝袜足j| 一个人观看的视频www高清免费观看 | 亚洲专区国产一区二区| 欧美在线一区亚洲| 在线十欧美十亚洲十日本专区| 男女床上黄色一级片免费看| 黑人猛操日本美女一级片| 久久久久亚洲av毛片大全| 两性夫妻黄色片| 黄色成人免费大全| 最近最新免费中文字幕在线| 日韩国内少妇激情av| 五月开心婷婷网| 黄片播放在线免费| av视频免费观看在线观看| 日本vs欧美在线观看视频| 久久精品91蜜桃| 交换朋友夫妻互换小说| 亚洲va日本ⅴa欧美va伊人久久| 露出奶头的视频| 黄色怎么调成土黄色| 亚洲视频免费观看视频| 正在播放国产对白刺激| 精品国产美女av久久久久小说| 欧美一级毛片孕妇| 国产真人三级小视频在线观看| 日本vs欧美在线观看视频| 午夜视频精品福利| 久99久视频精品免费| 中文亚洲av片在线观看爽| av超薄肉色丝袜交足视频| 欧美国产精品va在线观看不卡| 成人亚洲精品一区在线观看| 丝袜美足系列| 欧美激情极品国产一区二区三区| 亚洲欧美日韩高清在线视频| 美女高潮喷水抽搐中文字幕| 亚洲在线自拍视频| 日本精品一区二区三区蜜桃| 91老司机精品| 免费高清视频大片| 99精品在免费线老司机午夜| 十八禁网站免费在线| 国产片内射在线| 美女午夜性视频免费| 97超级碰碰碰精品色视频在线观看| 18禁观看日本| 国产成人av教育| 激情视频va一区二区三区| 国产av精品麻豆| 国产高清videossex| 身体一侧抽搐| 亚洲av熟女| 国产激情欧美一区二区| 精品久久久久久,| 成人手机av| 国产免费男女视频| 精品一品国产午夜福利视频| 亚洲色图 男人天堂 中文字幕| 亚洲av片天天在线观看| 一区福利在线观看| 制服诱惑二区| 高清欧美精品videossex| 99热只有精品国产| 日本wwww免费看| 手机成人av网站| 国产一区二区激情短视频| av网站在线播放免费| 悠悠久久av| 日本a在线网址| 国产99久久九九免费精品| 男人舔女人下体高潮全视频| 如日韩欧美国产精品一区二区三区| 久久精品国产综合久久久| 精品乱码久久久久久99久播| 精品无人区乱码1区二区| 757午夜福利合集在线观看| 中文字幕人妻丝袜一区二区| 久久久国产成人精品二区 | 亚洲av第一区精品v没综合| 高潮久久久久久久久久久不卡| 日韩成人在线观看一区二区三区| 中亚洲国语对白在线视频| 色尼玛亚洲综合影院| 日韩精品青青久久久久久| 国产精品久久视频播放| 在线观看免费高清a一片| 80岁老熟妇乱子伦牲交| 久久久精品国产亚洲av高清涩受| 变态另类成人亚洲欧美熟女 | 狠狠狠狠99中文字幕| 一级毛片精品| 一进一出好大好爽视频| 欧美中文日本在线观看视频| 亚洲精品在线美女| 免费观看人在逋| 久久热在线av| 国产又色又爽无遮挡免费看| 午夜福利在线观看吧| 欧美日韩国产mv在线观看视频| 日韩欧美三级三区| 成人亚洲精品av一区二区 | 久久久久久亚洲精品国产蜜桃av| 日韩成人在线观看一区二区三区| 人妻久久中文字幕网| av欧美777| 黑人猛操日本美女一级片| 丰满的人妻完整版| 黑人猛操日本美女一级片| 国产精品国产av在线观看| 国产高清国产精品国产三级| www.999成人在线观看| 久久人妻av系列| 黄片小视频在线播放| 91老司机精品| 久久精品人人爽人人爽视色| 9191精品国产免费久久| 亚洲国产精品一区二区三区在线| 久热爱精品视频在线9| 日韩高清综合在线| 亚洲国产欧美日韩在线播放| 亚洲人成伊人成综合网2020| 男人舔女人的私密视频| 日本撒尿小便嘘嘘汇集6| 涩涩av久久男人的天堂| 亚洲avbb在线观看| 亚洲,欧美精品.| 多毛熟女@视频| 在线永久观看黄色视频| 黑人猛操日本美女一级片| a级片在线免费高清观看视频| 亚洲男人的天堂狠狠| 午夜福利一区二区在线看| 三级毛片av免费| 国产亚洲精品第一综合不卡| 成人亚洲精品av一区二区 | 日日夜夜操网爽| 国产免费现黄频在线看| 欧美日韩国产mv在线观看视频| 性色av乱码一区二区三区2| a级毛片黄视频| 视频在线观看一区二区三区| 免费在线观看影片大全网站| aaaaa片日本免费| 村上凉子中文字幕在线| 成人亚洲精品av一区二区 | 日日摸夜夜添夜夜添小说| 午夜福利在线免费观看网站| 欧美精品啪啪一区二区三区| 亚洲人成电影观看| 一进一出抽搐gif免费好疼 | 久久中文看片网| 国产99久久九九免费精品| 午夜福利免费观看在线| 岛国在线观看网站| 久久精品亚洲av国产电影网| 嫩草影视91久久| 欧美中文日本在线观看视频| 久热这里只有精品99| 中文字幕最新亚洲高清| 亚洲av美国av| 亚洲av成人一区二区三| 高清黄色对白视频在线免费看| 麻豆成人av在线观看| 国产欧美日韩一区二区精品| 国产三级在线视频| www.精华液| 精品国产美女av久久久久小说| 欧美久久黑人一区二区| 国产精品日韩av在线免费观看 | av天堂在线播放| 久久精品国产99精品国产亚洲性色 | 久久久水蜜桃国产精品网| 黑人欧美特级aaaaaa片| 国产精品日韩av在线免费观看 | 在线观看一区二区三区激情| 成人影院久久| 亚洲精品粉嫩美女一区| netflix在线观看网站| 高清黄色对白视频在线免费看| 国产精品亚洲一级av第二区| bbb黄色大片| 丁香欧美五月| 久久人妻av系列| 视频区欧美日本亚洲| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲欧美一区二区三区久久| 一个人观看的视频www高清免费观看 | 欧美日韩av久久| 国产色视频综合| 亚洲av成人不卡在线观看播放网| 亚洲avbb在线观看| 老汉色av国产亚洲站长工具| 无限看片的www在线观看| 亚洲国产欧美一区二区综合| 色哟哟哟哟哟哟| 精品一区二区三区四区五区乱码| 午夜a级毛片| 亚洲欧美日韩高清在线视频| 91av网站免费观看| 黄网站色视频无遮挡免费观看| 99久久国产精品久久久| 欧美在线黄色| 精品国产乱子伦一区二区三区| 99精国产麻豆久久婷婷| 老司机在亚洲福利影院| 午夜精品久久久久久毛片777| 色在线成人网| 成人18禁高潮啪啪吃奶动态图| 视频区欧美日本亚洲| 欧美激情久久久久久爽电影 | 脱女人内裤的视频| 日本a在线网址| 动漫黄色视频在线观看| 日韩一卡2卡3卡4卡2021年| 国产高清激情床上av| 亚洲 欧美一区二区三区| 国产亚洲精品久久久久5区| 97人妻天天添夜夜摸| 别揉我奶头~嗯~啊~动态视频| 亚洲国产精品999在线| 最近最新中文字幕大全电影3 | 村上凉子中文字幕在线| 久久午夜综合久久蜜桃| 日韩视频一区二区在线观看| 亚洲欧美日韩另类电影网站| 一进一出抽搐动态| 国产高清激情床上av| 国产激情欧美一区二区| 69av精品久久久久久| 黄色 视频免费看| 亚洲成国产人片在线观看| 欧美老熟妇乱子伦牲交| 好看av亚洲va欧美ⅴa在| 亚洲五月天丁香| 男人舔女人的私密视频| 美女扒开内裤让男人捅视频| 国产精品九九99| 美女国产高潮福利片在线看| 欧美人与性动交α欧美精品济南到| 国产精品久久久av美女十八| 午夜免费鲁丝| 亚洲精品中文字幕一二三四区| 久久久久久免费高清国产稀缺| 成人国语在线视频| 男女床上黄色一级片免费看| 超碰成人久久| 一区在线观看完整版| 久久国产精品男人的天堂亚洲| 搡老乐熟女国产| 日韩视频一区二区在线观看| 国产精品亚洲一级av第二区| 两人在一起打扑克的视频| 国产91精品成人一区二区三区| 久久精品国产综合久久久| 一级,二级,三级黄色视频| 国产欧美日韩一区二区三区在线| 国产精品久久电影中文字幕| 视频区欧美日本亚洲| 9热在线视频观看99| 免费在线观看黄色视频的| 精品国产一区二区三区四区第35| 亚洲精品av麻豆狂野| 交换朋友夫妻互换小说| 亚洲 欧美 日韩 在线 免费| 成年女人毛片免费观看观看9| 国产精品一区二区三区四区久久 | e午夜精品久久久久久久| 欧美老熟妇乱子伦牲交| 亚洲一区二区三区不卡视频| 一区二区三区精品91| 精品久久久久久,| 亚洲欧美日韩高清在线视频| 大型av网站在线播放| 18禁观看日本| 国产高清videossex| 成人亚洲精品一区在线观看| 女同久久另类99精品国产91| 十分钟在线观看高清视频www| 99精品欧美一区二区三区四区| 热99国产精品久久久久久7| 如日韩欧美国产精品一区二区三区| 国产又爽黄色视频| 久久国产亚洲av麻豆专区| 1024视频免费在线观看| 国产三级在线视频| 午夜免费鲁丝| 夜夜爽天天搞| 嫩草影视91久久| 久久午夜综合久久蜜桃| 男女之事视频高清在线观看| 女人被躁到高潮嗷嗷叫费观| 国产精品 欧美亚洲| 黄色视频,在线免费观看| 精品一区二区三区视频在线观看免费 | 中文字幕高清在线视频| 国产成人影院久久av| 国产三级在线视频| 日韩大尺度精品在线看网址 | 国产成人啪精品午夜网站| 国产精品日韩av在线免费观看 | 亚洲男人天堂网一区| 亚洲国产精品合色在线| 无人区码免费观看不卡| 免费av毛片视频| 国产精品久久久久成人av| 99精品久久久久人妻精品| 国产免费av片在线观看野外av| 好看av亚洲va欧美ⅴa在| 男人操女人黄网站| 一区二区日韩欧美中文字幕| 欧美乱码精品一区二区三区| 欧美色视频一区免费| 婷婷六月久久综合丁香| 一本综合久久免费| 别揉我奶头~嗯~啊~动态视频| av视频免费观看在线观看| 国产伦一二天堂av在线观看| 午夜精品久久久久久毛片777| 日韩欧美一区二区三区在线观看| 又黄又粗又硬又大视频| 在线观看免费午夜福利视频| 黄色女人牲交| 免费在线观看视频国产中文字幕亚洲| 在线观看免费午夜福利视频| 1024香蕉在线观看| 岛国在线观看网站| 日韩一卡2卡3卡4卡2021年| 91精品三级在线观看| 国产精品1区2区在线观看.| 亚洲一区高清亚洲精品| 国产精品九九99| 天堂俺去俺来也www色官网| 欧美另类亚洲清纯唯美|