1、“.....使用其运行期间数据年月日年月日作为数据来源，基于算法进行故障预警分析数据陈述风场的号机组在年月日早时分故障报警，系统中记录故障为主轴止推轴承温度高，具体描述为轴承内部油脂呈褐色，有较多金属粉末，滚动体倒角处磨损，保依达准则，它是先假设组检测数据只含有随机误差，对其进行计算处理得到标准偏差，按定概率确定个区间，认为凡超过这个区间的误差，就不属于随机误差而是粗大误差，含有该误差的数据应予以剔除这种判别处理原理及方法仅局限于对正态或近似正态分布的样本数据处理，它是以测量次数充分大为前提的，当测量次数较少的情形时用准则剔除粗大误差是不够可靠的因故障预警中非线性状态估计的应用分析工业设备论文训练矩阵中选择出部分满足条件的状态数据即可构成过程记忆矩阵阵可表示为模型的输入是具有定时间长度的观测矩阵......”。

2、“.....对任意输入的个观测矩阵，模型都相应地生成个与维数相同设维数为的权值矩阵使得其中，设观测矩阵和预测输出矩阵的残差为ε，若要满足真模型，并确定了各工况下各部件截面气路参数基准值上下限值，从而能及时预警算法简介非线性状态估计近十年来，利用方法，对设备建立故障预警模型，进而预警设备状态是否处于异常的策略得到了众多学者的关注基本思路为将风机正常运行特征量的数据经过归化后组成的矩阵作为的过程记忆矩阵，通过模型进行预测，最后将实际值与预测否存在裂纹磨损断裂等现象，或是通过采集高频信号以频域的形式展现设备状态但故障诊断往往是设备已发生故障或是计划性维修过程中发现较严重故障时的措施，修复设备需要耗费大量人力物力，若想提前预警潜在故障，则需要设计新的算法策略或是算法结构近日，有研究学者分别使用大数据分析及门控循环单元神经网络等技术手段......”。

3、“.....吸引着全球学者的目光非线性状态估计，以设备历史状态为基础，使用非线性组合的方式表征当前设备的预警值并将准则进步推广，得到故障预警阈值最终通过预警值与实际值的残差，得出设备状态是否处于故障的结论依托现据分析的风机轴承故障预警智慧电力，尹诗，侯国莲，胡晓东，等风力发电机组发电机前轴承故障预警及辨识仪器仪表学报，谭思雨高速列车车轴故障预警与诊断方法研究西安西安理工大学，李德，石林，孟兆博电站设备远程故障预警系统设计电站系统工程韩万里，茅大钧，印琪民基于和多元状态估计的引风机故障预警热能动力工程，林新智，冯坤，能是，由于设备状态衰退，原始的模型与当前设备失配，原始模型的特征已不能较好地匹配当前设备的参数特征，以致于两者偏差较大......”。

4、“.....可得到主轴齿轮箱侧温度模型的残差图使用验证集数据分布与准则，可得到条与轴平行的预警线，且验证集数据残差值以的概率落在预警线到图中能够直观感觉预测值的波动幅度较大，大部分情况下大于原始数据，但整体上能够跟随原始数据出现这样的原因是仅通过限值对原始数据进行了简单处理，并未深度处理原始数据，造成记忆矩阵与原始数据的分布有明显区别图记忆矩阵维图图验证集数据预测图故障预警使用上述的模型，对试验数据进行预测，观察主轴齿轮箱侧温度变化，如图图中共有条曲线矩阵，作为原始的数据空间将采集的数据划分成份，分别是训练集验证集试验集，者之间的比例为∶∶数据样本覆盖了故障形成故障显现排除故障再投运行等多个阶段，有建模意义的数据为年月日时分至年月日时分，共个数据条目经过等步长策略选择，共得到个有效数据条目......”。

5、“.....即可建立故障预警中非线性状态估计的应用分析工业设备论文胡明辉，等基于性能仿真的燃气轮机气路故障预警方法热能动力工程，尹诗，余忠源，孟凯峰，等基于非线性状态估计的风电机组变桨控制系统故障识别中国电机工程学报，刘峰里基于非线性状态估计技术的鼓风设备故障预警研究株洲湖南工业大学，张冬琪非线性状态估计在故障预警中的应用保定学院学报，故障预警中非线性状态估计的应用分析工业设备论文集数据预测图图试验集预警图结论本文提出了种基于与准则相结合的故障预警方法，首先构建了基于算法的故障预警模型，得到现场数据与故障预警模型的残差序列，最后将准则应用到残差序列的监测上，得到设备状态的健康信息仿真结果表明，所提故障预警策略能有效完成故障预警任务，满足现场运维需求参考文献李俊卿，王焕仲，季刚......”。

6、“.....是研究变量之间线性相关程度的量，般用字母表示由于研究对象的不同，相关系数有多种定义方式，较为常用的是皮尔逊相关系数下式为相关系数的计算方法，当的绝对值越接近时，表明两变量相关程度越大，而绝对值越接近时，表明两变量相关程度越小相内则可得试验集的预警图，如图从图中能够看出温度残差信号在点左侧开始突然超出警戒线，统计得出点之间有个点超出随后频频超越警戒线，并在点以后反向向上超出警戒线综上，在点处就应及时对风电机组安排登舱检视，此时时间为年月日，距离系统报警年月日停机年月日尚有充裕检修时间，并且期间也有多次预警，依然存在预测性维护的可操作性图试验，条曲线为原始数据，是通过传感器捕获的当前主轴齿轮箱侧温度，而另条曲线是预测数据......”。

7、“.....虽然部分趋势相同，风电机组的主轴齿轮箱侧温度的原始值与预测值发生较大偏离，表明原始数据与状态记忆矩阵的关联性已经发生改变，其本质特征需要进步检验值得注意的是点至点之间发生较大偏离，其原因模型当维度缩减为观测向量后，可通过与状态记忆矩阵的复合运算得到预测估计向量，预测估计向量是当前状态参数以历史记忆向量度量的结果，能够代表同参数下的目标参数估计值，从而得到观测向量与预测估计向量的差值将得到的记忆矩阵中关键变量风速发电机转速功率绘制成维图，如图所示使用验证集验证模型的精准度，系数是用以反映变量之间相关关系密切程度的统计指标相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过个离差相乘来反映两变量之间相关程度，着重研究线性的单相关系数考虑到变量物理空间与机械结构构造......”。

8、“.....风电机组继续运行后才停机，停机时长达到图主轴相关温度变量趋势数据关联变量分析将数据导入中，以相关系数有针对性分析主轴相关个变量与其他变量之间的关联关系，以期发现对建模过程有建设性贡献的变量需要说明的是，相关系数只是众多变量关联关系分析指标的种，并不具备直接决定全部建模相关变量的能力最终的变量持架有磨损翻边，两侧滚动体夹紧状态，从故障描述可得由于主轴止推轴承磨损而导致轴承温度高，由于温度为缓变信号，并不如冲击信号可通过高频振动传感器被瞬间捕获，其故障发展过程较为缓慢，温度信号在故障发展过程中将承载更多潜在信息数据中，含时间变量共有类数据变量......”。

9、“.....在测量次数较少的情况下，最好不要选用准则，而用其他准则在正态分布中代表标准差，代表均值即为图像的对称轴，准则为数值分布在，中的概率为数值分布在，中的概率为数值分布在，中的概率为可以认为，的取值几乎全部集中在，区间内，超出这个范围的可能性不到案例分析根据现场技术与运行数据资料，相似性最大，则残差ε取最小为若使ε最小，则需要求ε的极小值，令，则由式可知，存在的前提是矩阵可逆，为增加模型可用度，选择两向量间的距离作为和之间的非线性运算符，即则权值矩阵可改为则系统的当前预测输出矩阵可写为自此可根据历史典型数据重构出当前数据的预测值，并最终得到故障预警潜在信息准则又称为进行比较，计算者之间的残差，验证模型的精准度的建模过程需要用到的参量有系统总体观测矩阵训练矩阵过程记忆矩阵以及观测矩阵和预测输出矩阵设系统总体观测矩阵形式如式......”。