摘要：水平轴风力涡轮机系统在控制模型与实际数据失配工况下，系统任何运行故障事件都会导致系统偏离其目标并造成性能恶化的问题。因此，提出一种模型失配下的风力涡轮机故障的数据驱动诊断策略，以在存在模型-现实不匹配和建模误差效应的工况下，能够实现优良的故障诊断性能。首先建立水平轴风力涡轮机系统的基准模型，并对系统故障场景和故障敏感度分析进行介绍，接着利用数据驱动诊断策略构建系统的故障估计器，并提出了Takagi-Sugeno模糊(TS FS)诊断策略和神经网络非线性自动回归外源输入(NARX NN)诊断策略，最后通过仿真和HIL硬件在环实验对所提出的风力涡轮机故障的数据驱动诊断策略进行了验证，并与已有的非线性几何方法自适应滤波器（NLGA-AF）、模糊递归识别（RFS）和滑模观察器（SMO）进行了比较，实验结果表明，所提出的诊断方案能够更好地应对存在模型-现实不匹配和建模误差效应的工况，并保持优良的鲁棒性和可靠性。
文章目录
1 引言
2 风力涡轮机基准模型与故障场景
2.1 风力涡轮机的基准模型与基准测量信号
2.2 风力涡轮机的故障场景
2.3 故障敏感度分析
3 数据驱动的故障诊断策略
3.1 基本原理与设计流程
3.2 Takagi-Sugeno模糊诊断策略
3.3 神经网络非线性自动回归外输入诊断策略，
4 仿真与分析
4.1 Takagi-Sugeno模糊诊断仿真与分析
4.2 神经网络非线性自回归外输入诊断仿真分析
5 HIL硬件在环实验与分析
5.1 HIL硬件在环实验结果与分析
5.2 不同诊断算法的对比与分析
6 结论
