发明名称 |
一种风电机组叶片故障诊断方法 |
摘要 |
本发明涉及一种基于小波变换和模糊支持向量机(FSVM)的风电机组叶片故障诊断方法,其步骤为:通过安装在风电机组主轴座垂直方向的加速度传感器测量振动信号;利用小波分解提取故障特征信息,然后归一化处理提取故障特征向量,最后将测量得到的故障特征向量输入经优化和训练好的模糊支持向量进行风电机组叶片故障诊断。本发明简单易行、精确度高,诊断成本较低,是一种能够有效提高风电机组叶片安全和可靠性的方法。 |
申请公布号 |
CN102944418A |
申请公布日期 |
2013.02.27 |
申请号 |
CN201210532085.9 |
申请日期 |
2012.12.11 |
申请人 |
东南大学 |
发明人 |
张建忠;杭俊;程明 |
分类号 |
G01M13/00(2006.01)I |
主分类号 |
G01M13/00(2006.01)I |
代理机构 |
南京苏高专利商标事务所(普通合伙) 32204 |
代理人 |
柏尚春 |
主权项 |
一种风电机组叶片故障诊断方法,其特征在于,通过安装在风电机组主轴座上垂直方向的加速度传感器测量振动信号,利用小波分解提取故障特征信息,然后归一化处理提取故障特征向量,最后将测量得到的故障特征向量输入经过优化和训练好的模糊支持向量进行风电机组叶片故障诊断,具体步骤如下:1)对研究的问题进行分析,确定振动传感器的安装位置;2)针对典型故障情况,对采集的振动信号进行小波分解,提取各频带内的能量特征作为故障特征信息;3)对所提取的故障特征信息归一化处理得到故障特征向量,将其分为训练样本和测试样本;4)利用模糊核聚类算法对训练样本进行聚类分析预处理,得到每个训练样本属于某种故障的模糊隶属度,作为训练模糊支持向量机中使用的模糊隶属度;5)利用粒子群算法优化模糊支持向量机,并将最优解保存下来;然后利用训练样本和测试样本对优化的模糊支持向量机进行训练和测试;6)将实测振动信号进行小波分解提取故障特征向量,将其输入训练好的模糊支持向量机,根据其输出情况来判断故障类型。 |
地址 |
211189 江苏省南京市江宁开发区东南大学路2号 |