[發(fā)明專(zhuān)利]風(fēng)力發(fā)電機(jī)組齒輪箱的故障診斷方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201310234926.2
• 申請(qǐng)日: 2013-06-14
• 公開(kāi)（公告）號(hào): CN103278326A
• 公開(kāi)（公告）日: 2013-09-04
• 發(fā)明（設(shè)計(jì)）人: 劉天羽;邢飛
• 申請(qǐng)（專(zhuān)利權(quán)）人: 上海電機(jī)學(xué)院
• 主分類(lèi)號(hào): G01M13/02
• 分類(lèi)號(hào): G01M13/02
• 代理公司: 上海翼勝專(zhuān)利商標(biāo)事務(wù)所(普通合伙) 31218
• 代理人: 翟羽;黃燕石

1.一種風(fēng)力發(fā)電機(jī)組齒輪箱的故障診斷方法，其特征在于：包括如下方法：

第一步：選擇齒輪箱的若干個(gè)有效特征建立多維目標(biāo)空間，模擬若干個(gè)故障類(lèi)別，并對(duì)所述若干個(gè)故障類(lèi)別的故障數(shù)據(jù)進(jìn)行采集；

第二步：對(duì)所述故障數(shù)據(jù)進(jìn)行時(shí)域和幅域分析，提取頻域參數(shù)和幅域參數(shù)成為訓(xùn)練數(shù)據(jù)集；

第三步：將所述訓(xùn)練數(shù)據(jù)集看成一個(gè)種群，所述訓(xùn)練數(shù)據(jù)集中的每一個(gè)數(shù)據(jù)看成一個(gè)粒子，通過(guò)下述迭代算法優(yōu)化數(shù)據(jù)子集：

v_id(k+1)=v_id(k)+c₁r₁(p_id(k)-x_id(k))+c₂r₂(p_gd(k)-x_id(k))

x_id(k+1)=x_id(k)+v_id(k+1)(i=1,2,…,m;d=1,2,…,D)

其中第i個(gè)粒子表示成一個(gè)D維的向量X→i=(xi1,xi2,···,xiD),i=1,2,···,m,]]>V→i=(vi1,vi2,···,viD)]]>是第i個(gè)粒子的飛行速度，是第i個(gè)粒子的最優(yōu)位置pbest，是整個(gè)種群歷史搜索到的最優(yōu)位置gbest，其中D為所述目標(biāo)空間的維數(shù)，m粒子的總數(shù)，在式中，k是迭代代數(shù)；學(xué)習(xí)因子c₁和c₂為非負(fù)常數(shù)；r₁和r₂是均勻分布于[0,1]之間的兩個(gè)隨機(jī)任意數(shù)；v_id∈[-v_max,v_max]，v_max是預(yù)先設(shè)定的常數(shù)；v_id(k)為第k次迭代時(shí)粒子i飛行速度矢量的第d維的分量；x_id(k)為第k次迭代時(shí)粒子i位置矢量的第d維的分量；p_id(k)是粒子i個(gè)體最好位置的第d維分量；p_gd(k)為種群最好位置的第d維分量；迭代終止條件設(shè)定為最大迭代數(shù)或（和）粒子群迄今為止搜索到的最優(yōu)位置滿足最小適應(yīng)度值。

第四步：通過(guò)適應(yīng)度函數(shù)f(i)，更新粒子的速度和位置，適應(yīng)度函數(shù)如下：

f(i)=a(i)-pmicmall]]>

式中a(i)為粒子i所選的特征子集的分類(lèi)正確率估計(jì)；p為調(diào)整參數(shù),是分類(lèi)準(zhǔn)確率和所選特征數(shù)量的平衡系數(shù)；M_ic為粒子i所選的特征子集中特征的數(shù)量;M_all為所有待選特征的總數(shù)。

第五步：得到最優(yōu)子集，將所述最優(yōu)子集作為第三步中的種群，重復(fù)第三步，直至得到集成模型。