风能作为一种清洁的可再生能源,越来越受到人们的重视。但是风力发电厂多数都集中在恶劣的环境中,导致风力发电机频繁发生故障,并造成巨大经济损失和安全隐患。所以进行风力发电机实时故障诊断对保障风力发电机安全稳定运行具有重要意义。粒子滤波算法在非线性、非高斯系统的故障诊断中发挥着非常重要的作用。然而,传统的粒子滤波算法经过数次迭代后会出现粒子贫化现象,容易陷入局部最优,从而降低了算法精确度,一般的解决办法是增加粒子数量,但该方法会降低算法实时性。针对该问题,本文提出了基于GPU的并行骨干粒子群优化粒子滤波算法,在确保算法精度的前提下,提高算法实时性,并将其应用到风力机变桨距系统的故障诊断中,提高故障诊断的实时性。本文工作内容如下:1.在粒子滤波算法重采样环节,由于粒子之间需要交互才能完成位置更新,导致算法实时性较差。为了提高该算法的实时性,利用骨干粒子群算法具有并行结构的特点,优化粒子滤波算法重采样环节,降低算法时间复杂度,提高算法并行度和实时性。2.在GPU端并行实现骨干粒子群优化后的粒子滤波算法。首先利用CUDA的多线程架构并行实现算法,线程与粒子群一一对应,每个线程负责一个粒子群的数据处理,使粒子群之间得到并行化处理。其次,根据GPU的对齐与合并的内存访问原则,设计高效的粒子群数据结构,使多线程存取数据时以最少的内存访问事务完成数据的存取工作,同时从多线程和内存访问两个方面提高算法的实时性。3.将并行实现的骨干粒子群优化后的粒子滤波算法应用到风力机变桨距系统的多故障诊断中,提高多故障诊断的实时性。首先,使用单GPU设备设计并行算法程序,在数据级并行完成多故障诊断,每个粒子滤波器负责一种故障模型的检测,多个粒子滤波器在GPU中依次排队完成所有故障模型的诊断。其次,在多GPU环境下,利用CUDA流技术设计多GPU并行算法程序,每个GPU负责一种故障模型的诊断工作,在任务级并行完成多种故障诊断。最后,使用Open MP与CUDA架构结合的方法,利用Open MP将CPU端的多线程并行化,每个CPU线程负责一个GPU的调度,去除GPU之间的依赖性,解决多个GPU之间的伪并行问题,从而进一步提高风力机变桨距系统多故障诊断的实时性。