量子免疫算法1

报告正文

（一）立项依据与研究内容

1。项目的立项依据（研究意义、国内外研究现状及分析、附主要参考文献目录）

（1）研究意义

随着石化能源危机的来临以及人们环保意识的加强，世界各国争相发展可再生新兴能源。风电装机容量每年以20％至30％的速度增长，其增长势头迅猛，据专家预测风力发电量在2020年将占全球发电总量的12％。风力发电已经成为解决世界能源问题的不可或缺的重要力量。

但随着投产的风力发电机数量和容量的不断增加，风力发电机组的运行维护、故障检测、诊断技术的优化和改进已成为风力发电亟待解决的新课题。长期以来，风力发电机一直采用计划维修与事后维修方式，计划维修即运行2500h和5000h 后的例行维护，如检查螺栓力矩，加注润滑脂等。该维修体制往往无法全面、及时地了解设备运行状况。而事后维修则因事前准备不足，从而造成维修工作旷日持久，损失重大。并且由于近年来大型风力发电机组研究的快速发展，其机械结构日趋复杂，不同部件之间的相互联系、耦合也更加紧密，一个部件出现故障，将可能导致整个发电过程中断。因此，有必要对风力发电机组的运行状态进行检测跟踪，对其故障征兆进行分析处理，预测分析风力发电机的故障趋势，减少事故发生造成的财产损失，也减少强迫停机的次数，降低发电机的维护费和提高发电机的可用性，指导风电机组的维护与维修。

目前的故障诊断方法虽然为诊断电机的故障起到了重要作用，但也存在如训练仿真模型耗时，需大量的先验知识，对故障样本的学习缺乏自主连续，实时性差等问题。为了提高故障诊断的准确性、实时性及鲁棒性，还需加强新方法的研究，特别是基于生物智能的新方法研究。近年来逐渐发展起来的基于生物免疫机理的人工免疫系统具有多样性、分布式、噪声忍耐、无教师学习、自组织、自适应等特点，不需要反面例子，结合了分类器、神经网络和机器推理等学习系统的一些优点，在复杂系统的故障检测与诊断中具有很大的潜力。通过研究人工免疫系统，可望产生更有效的风力发电机组故障诊断方法。

而传统的故障诊断技术主要依靠单一的故障特征来进行故障判定，且存在样本需求量大及诊断学习缺乏自主连续性等问题，远不能满足现代化生产的要求。受生物免疫系统启发而建立的人工免疫系统蕴含了噪声忍耐、自学习、自组织和自记忆等进化学习机理，为解决旋转机组故障诊断问题提供了一条新的思路，反面选择算法可以有效判断自我-非我状态，并成功地应用于振动信号异常检测，动态规模免疫算法能够通过学习进化保持记忆抗体的多样性，实现较好的故障分类效果，将以上思想应用于故障诊断之中，得到了风力发电机组状态监测与故障

诊断的一种新方法。

（2）国内外研究现状及分析

故障诊断技术自20世纪70年代开展以来，已历经了一个从简单信号测量到人工智能，再到人机协作的发展过程，快速发展的传统故障诊断技术已在工程应用中发挥了重要作用。虽然传统故障诊断技术对于比较简单的设备和单一故障，常能够发挥其独特作用，但是对于大型复杂设备的故障诊断，却显得力不从心，而此时若采用智能故障诊断理论或方法便是一种合理而有效的选择。本小节将以旋转机械系统故障诊断为例，对传统和智能故障诊断中的主要方法予以分析和归纳，并以此为基础，再对本课题理论支持和研究思路进一步给予详细的论述。现有方法的分析