[發明專利]基于多傳感器信號融合技術的風電機組葉片故障診斷方法

有效

• 申請號: 201210519318.1
• 申請日: 2012-12-06
• 公開（公告）號: CN102944416A
• 公開（公告）日: 2013-02-27
• 發明（設計）人: 張建忠;杭俊
• 申請（專利權）人: 南京匹瑞電氣科技有限公司
• 主分類號: G01M13/00
• 分類號: G01M13/00
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 徐激波

1.一種基于多傳感器信號融合技術的風電機組葉片故障診斷方法，其特征在于：在風電機組上安裝多傳感器，采用分類器對每個傳感器采集的信息進行初步診斷，確定待診斷故障隸屬于不同故障的可能性，在充分考慮各個分類器與不同故障類型的關聯程度的基礎上，采用模糊積分融合方法進行決策融合診斷，其診斷方法的具體步驟為：

（1）通過安裝在風電機組主軸座水平方向和垂直方向的加速度傳感器測量葉片在正常和典型故障類型下的振動信號，每個加速度傳感器對應一個分類器；

（2）利用經驗模態分解分別對采集的水平方向和垂直方向上的振動信號進行分解，將不同的故障特征反應到不同的本征模函數；

（3）計算前若干個本征模函數的能量，形成反應故障的特征信息，對所提取的故障特征信息歸一化處理，得到故障特征向量，作為訓練樣本和測試樣本；

（4）利用水平方向和垂直方向上的訓練樣本和測試樣本分別對兩個分類器進行訓練和測試；

（5）確定模糊密度和模糊測度；gji=gj({yi}),i=1,2,···c,j=1,2,···t,]]>表示第i個分類器的第j個信息的模糊密度，t是故障類型的個數，c是分類器的個數；令Y＝{y₁，y₂，…y_c}為c個分類器構成的集合，A_i＝{y₁，y₂，…y_i}，利用每個分類器在測試中對各個故障的正確識別率作為該分類器對各故障類型的關聯程度，即模糊密度，然后根據模糊密度確定模糊測度；

（6）將實測振動信號進行經驗模態分解并提取故障特征向量，利用分類器分別進行初級故障診斷，得到的結果為p_j＝(p_j(y₁)，p_j(y₂)，…p_j(y_c))，其中p_j(y_i)表示分類器y_i把待診斷的實例分為第j類的可能性；

（7）利用Choquet模糊積分做融合算子對初級故障診斷結果進行融合處理來確定風電機組葉片的故障類型；根據式計算出模糊積分值e_j，e_j為綜合診斷出的故障可能性指標，則形成故障可能指標集E＝{e₁，e₂，…e_t}，根據其判斷故障類型，E中最大值所對應的類別即為該實例的故障類型。