风力机维护故障检测系统中的概念漂移标注

故障检测系统是迈向预测性维护策略的第一步。一种流行的用于检测早期故障与异常的数据驱动方法，是通过应用如前馈神经网络（FFNN）或极限学习机（ELM）等机器学习技术来训练正常行为模型。然而，这些建模技术的性能可能因工业资产所处动态环境中非平稳性的意外出现而退化。这种被测变量中不可预测的统计变化被称为概念漂移。本文给出一个风力机维护案例，其中各类非平稳性可能意外发生。此类概念漂移事件希望通过统计检测器与基于窗口的方法加以检测。但在真实复杂系统中，概念漂移并不像人工生成的数据集中那样清晰明显。为评估当前漂移检测器的有效性并设计适用于该特定工业应用的恰当新技术，事先掌握已有漂移的特征描述至关重要。在缺乏此类信息的情况下，本文提出一种用于标注风力机寿命期内概念漂移事件的方法论。该方法论将促进漂移数据库的创建，该数据库既可作概念漂移检测器的训练场，也可作为增强复杂系统维护知识的宝贵信息。