PCA-PSO/GS-SVM组合方法在风电齿轮箱故障预测中的应用研究

在标准支持向量机(SVM)的基础上,引入主成分分析法(PCA)、粒子群算法(PSO)以及网格算法(GS),构建针对风力机故障的PCA-PSO/GS-SVM组合预测模型。相对于标准SVM,该模型采用PSO以及GS算法寻优参数,能够更准确地建立各变量间的相关关系以提高模型的预测准确性。以中国北方某风场2 MW风电齿轮箱在2017年上半年某2个月的SCADA监测数据为例进行分析。结果表明,对于以齿轮箱输出功率为例的骤变信号的预测,采用PSO算法寻优后的绝对误差均值是采用GS算法的3.0647倍,而对于以高速侧轴端温度为例的缓变信号的预测,则采用PSO算法更加合理;同时发现剔除训练样本数据中的奇异点能够有效提高模型的预测精度及其泛化能力。     

探析建筑工程管理存在的问题与解决方法

为了确保建筑工程的整体质量,做好工程管理是非常有必要的。建筑企业也应当不断的落实工程管理这项工作,深入每一个环节,每一个细节只有这样才能够有效地保证工程的质量。     

准双曲面齿轮箱响应分析及动力优化

综合考虑轮齿啮合变形、轴弯曲变形及轴承支撑刚度,建立准双曲面齿轮传动系统动力接触有限元分析模型,利用LS-DYNA仿真计算轴承的动态支反力;将轴承支反力作为箱体的动态激励,建立准双曲面齿轮箱动力分析模型,利用ANSYS进行动态响应分析,并与试验结果比较。以加速度响应均方根值最小为优化目标,箱体结构参数为设计变量,静态应力、位移及箱体体积为约束条件,建立准双曲面齿轮箱动态响应优化模型,用零阶方法求解,得到箱体最优设计参数。