A failure detection system is the first step towards predictive maintenance strategies. A popular data-driven method to detect incipient failures and anomalies is the training of normal behaviour models by applying a machine learning technique like feed-forward neural networks (FFNN) or extreme learning machines (ELM). However, the performance of any of these modelling techniques can be deteriorated by the unexpected rise of non-stationarities in the dynamic environment in which industrial assets operate. This unpredictable statistical change in the measured variable is known as concept drift. In this article a wind turbine maintenance case is presented, where non-stationarities of various kinds can happen unexpectedly. Such concept drift events are desired to be detected by means of statistical detectors and window-based approaches. However, in real complex systems, concept drifts are not as clear and evident as in artificially generated datasets. In order to evaluate the effectiveness of current drift detectors and also to design an appropriate novel technique for this specific industrial application, it is essential to dispose beforehand of a characterization of the existent drifts. Under the lack of information in this regard, a methodology for labelling concept drift events in the lifetime of wind turbines is proposed. This methodology will facilitate the creation of a drift database that will serve both as a training ground for concept drift detectors and as a valuable information to enhance the knowledge about maintenance of complex systems.

中文翻译：

---

在风力涡轮机维护故障检测系统中标记漂移

故障检测系统是迈向预测性维护策略的第一步。检测初期故障和异常的流行数据驱动方法是通过应用前馈神经网络 (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，任何这些建模技术的性能都可能因工业资产运行的动态环境中非平稳性的意外上升而恶化。测量变量中这种不可预测的统计变化称为概念漂移。在本文中，介绍了一个风力涡轮机维护案例，其中可能会意外发生各种非平稳性。期望通过统计检测器和基于窗口的方法来检测这样的概念漂移事件。然而，在真实的复杂系统中，概念漂移并不像人工生成的数据集那样清晰和明显。为了评估电流漂移检测器的有效性并为该特定工业应用设计合适的新技术，必须预先处理现有漂移的表征。在这方面缺乏信息的情况下，提出了一种标记风力涡轮机生命周期中的概念漂移事件的方法。这种方法将促进漂移数据库的创建，该数据库既可以作为概念漂移探测器的训练基地，也可以作为增强复杂系统维护知识的宝贵信息。为了评估电流漂移检测器的有效性并为该特定工业应用设计合适的新技术，必须预先处理现有漂移的表征。在这方面缺乏信息的情况下，提出了一种标记风力涡轮机生命周期中的概念漂移事件的方法。这种方法将促进漂移数据库的创建，该数据库既可以作为概念漂移探测器的训练基地，也可以作为增强复杂系统维护知识的宝贵信息。为了评估电流漂移检测器的有效性并为该特定工业应用设计合适的新技术，必须预先处理现有漂移的表征。在这方面缺乏信息的情况下，提出了一种标记风力涡轮机生命周期中的概念漂移事件的方法。这种方法将促进漂移数据库的创建，该数据库既可以作为概念漂移探测器的训练基地，也可以作为增强复杂系统维护知识的宝贵信息。在这方面缺乏信息的情况下，提出了一种标记风力涡轮机生命周期中的概念漂移事件的方法。这种方法将促进漂移数据库的创建，该数据库既可以作为概念漂移探测器的训练基地，也可以作为增强复杂系统维护知识的宝贵信息。在这方面缺乏信息的情况下，提出了一种标记风力涡轮机生命周期中的概念漂移事件的方法。这种方法将促进漂移数据库的创建，该数据库既可以作为概念漂移探测器的训练基地，也可以作为增强复杂系统维护知识的宝贵信息。