1、“.....使其成为风电机组结构中故障频发的部分。而且旦发生故障，很有可能导致输出功率异常叶片损坏，甚至机组倒塌等严重事故。另外，电动变桨系统监控行机构机械故障或叶片本身故障导致叶片卡顿故障，这类故障大多由电机故障备用电池故障和异物卡涩导致。根据故障所在的具体叶片分为小类。根据约简理论可以分析得出外界风速叶片变桨速率转子转速这个条件属性对变桨系统故障诊断贡献率较低，故可舍弃。表变桨系统故障诊断决策表表约简后的变桨系统故障诊断决策表基于支持向量机的变桨角度故障诊断由上述模糊粗糙集得出的变桨系统约简参数作为支持向量机模型的训练验证数据。通过对故障数据和正常数据的训练，得到判别故障模型，为提高故障判别的准确性，利用粒子群优化算法对支持向量机核函数关键参数进行寻优。支持向量机故障诊断设定值的差值代替各个叶片桨距角的设定值与实际值，具体参数见表......”。

2、“.....叶片变桨角度实际值与设定值之差定义为正常值和故障值，设为同理，叶片变桨角度两两差值也分为正常值和故障值，设为由于机组功率调节在低于额定风速时不进行变桨以及介于额定风速和切出风速之间时进行变桨控制，因此低于额定风速为，高于额定风速且低于切出风速为，设为叶片变桨速率根据数值正负分别定义非正为和正为，设为变频器箱温度正常值为，故障值为，设为驱动电机温度正常值为，故障值为，设为备对大型风电机组中变桨系统变桨角度故障问题研究电机论文发电机转子转速低于额定转速为，高于它为，设为变桨电机电流正常值为，故障值为，设为电池箱温度正常值为，故障值为，设为因此初选参数定义为。为决策属性。表为变桨系统故障诊断决策表。对式进行迭代求解，从而得到最优解为⋯，。计算最优权值向量和最优偏臵，分别为公式公式式中，下标∈。因此得到最优分类超平面∙......”。

3、“.....支持向量机通过将其输入向量映射到个高维度的特征向量空间，然后在该空间构造最优分类平面。将线性不可分样本集做变换，以映射到特征空间公式以特征向桨系统约简参数作为支持向量机模型的训练验证数据。通过对故障数据和正常数据的训练，得到判别故障模型，为提高故障判别的准确性，利用粒子群优化算法对支持向量机核函数关键参数进行寻优。支持向量机故障诊断模型的机理是寻找到个满足分类要求的最优分类超平面，使得该平面具有较高的精度，同时使平面两侧空白区域最大化，理论上，支持向量机能够得到对线性类型数据的最优分类。公式公式为使各个桨叶设定值与实际值能更直接反映故障状态且易用于判别模型的训练和故障判别，本文需对这些数据进行简单处理，即用两两叶片实际值差值以及各叶片实际值与设定值的差值代替各个叶片桨距角的设报警不及时。因此......”。

4、“.....因此，为了进步提高电动变桨系统故障诊断的准确性以及能够对故障程度进行分类，本文利用模糊粗糙集建立的特征量约简模型对实际机组变桨相关参数进行有效约简，得到对于故障诊断贡献率较高的参数，然后利用基于粒子群算法优化的支持向量机进行数据训练，得到判别精度较高的故障诊断模型，进步运用双层支持向量机对故障程度进行分类，最后应用实际机组运行数据进行实例验证。根据模糊粗糙集属性约简理论模型对上述变桨系统相关参数进行分析。表为从运行数据中提取的变桨系统故障诊断决策表，约简后摘要为提高大型风电机组电动变桨系统变桨角度故障的判别准确性，结合模糊粗糙集特征量约简和基于粒子群算法优化的支持向量机进行变桨角度故障诊断分析研究。首先基于模糊粗糙集理论建立变桨系统特征参数约简的数学模型，通过对变桨相关运行数据进行约简......”。

5、“.....从而获得高精度诊断模型然后设计基于双层支持向量机的故障程度判别模型，可对故障进行进步分类。最后通过实际运行数据对变桨角度故障进行诊断实验，实验结果表明，该诊断方法能准确快速地判别故障并可进行故障程度分类。关键词支持向量机故障分析模糊利用粒子群优化算法对模型进行优化，相比于普通模型，该优化模型提高了判别精度。基于双层模型的电动变桨系统故障程度分类判别，可给出故障程度，从而提高了故障判别的分类精度，更有利于实际风场维护人员了解风力机运行状态，采取相应的措施。参考文献李辉，杨超，赵斌，等风电机组电动变桨系统建模及运行特性评估与测试电力系统自动化，吴定会，翟艳杰，李意扬，等基于辨识算法的风力机桨距执行器故障诊断控制工程，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，姚万业......”。

6、“.....电动变桨系统故障特征参数的约简基于模糊粗糙集的特征量约简给定的决策系统，∪，其中，对象集合实例包含的条件属性集合，即与所研究事件有关的特征集，每个实例有个属性，每个特征属性可取值的集合为决策属性即条件属性所决定的判别结果信息函数，该函数为个数据的个属性赋予个特定的值。对大型风电机组中变桨系统变桨角度故障问题研究电机论文。表列出了机组部分案例诊断结果，通过表可明显看出，在第组样本数据中，普通出现故障判别失误的现象，而经过粒子群优化后的识别中国电机工程学报，刘靖，陈福生，张勤，等基于粗糙集和模糊集的属性约简算法计算机工程与科学，高峰，邓星星，刘强，杨锡运，吴小江大型风电机组电动变桨系统变桨角度故障诊断太阳能学报，基金国家自然科学基金中央高校基本科研业务费。另外，实际数据采集与监视控制系统数据中本身就包含定的变桨系统故障信息......”。

7、“.....所以需要对这些参数进行处理，然后再进行故障判别。针对上述问题文献提出基于方法的变桨特征参数选取方案以及基于多特征参量距离的变桨系统运行状态异常识别方法，并对其基于支持向量机片实际值与设定值差值叶片两两角度差值驱动电机温度备用电池电压等与变桨故障相关度较大的运行参数。降低了故障判别的复杂度，减少了处理的数据量。经风场实际运行数据训练的支持向量机变桨角度故障判别模型，对于实际故障具有较好的判别能力，通过进步利用粒子群优化算法对模型进行优化，相比于普通模型，该优化模型提高了判别精度。基于双层模型的电动变桨系统故障程度分类判别，可给出故障程度，从而提高了故障判别的分类精度，更有利于实际风场维护人员了解风力机运行状态，采取相应的措施。参考文献李辉，杨超，赵斌......”。

8、“.....赵洪山，连莎莎，邵玲，等基于模型的风电机组变桨距系统故障检测电网技术，董兴辉，闫慧丽，张晓亮，等基于贡献图的风电机组变桨系统故障定位可再生能源，郭慧东，王玮，夏明超基于数据挖掘的风电机组变桨系统劣化状态在线辨识方法中国电机工程学报，李辉，杨超，李学伟，等风机电动变桨系统状态特征参量挖掘及异常识别中国电机工程学报，刘靖，陈福生，张勤，等基于粗糙集和模糊集的属性约简算法计算机工程与科学，高峰，邓星星，刘强，杨锡运，吴小江大型风电机组电动变桨系统变桨角度故障诊断太阳能学报，基金国家自然科学基金中央高校基本科研业务费后利用第层故障判别模型区分故障程度是轻微还是严重。流程图如图。表列出了例第类故障程度诊断结果，由表可以看出，双层判别模型可以很好地区分故障程度，为运维人员提供更加精确的故障信息......”。

9、“.....得出叶片实际值与设定值差值叶片两两角度差值驱动电机温度备用电池电压等与变桨故障相关度较大的运行参数。降低了故障判别的复杂度，减少了处理的数据量。经风场实际运行数据训练的支持向量机变桨角度故障判别模型，对于实际故障具有较好的判别能力，通过进步行分类，最后应用实际机组运行数据进行实例验证。对大型风电机组中变桨系统变桨角度故障问题研究电机论文。表列出了机组部分案例诊断结果，通过表可明显看出，在第组样本数据中，普通出现故障判别失误的现象，而经过粒子群优化后的模型判别正确。而表列出了表第组样本前后诊断结果，由表可知优化后的判别模型能更早的发现故障。表部分案例诊断结果表机组连续数据诊断结果表为和对于类故障的判别结果，结果表明普通故障判别模型本身的判别精度已较高，但也有部分样本判别......”。