[發明專利]一種風力發電機故障診斷方法及裝置

無效

• 申請號: 201310714307.3
• 申請日: 2013-12-20
• 公開（公告）號: CN103761569A
• 公開（公告）日: 2014-04-30
• 發明（設計）人: 高志偉;焦斌;何秀明;葉明星;占健;張帥;馮兆紅;張玉
• 申請（專利權）人: 上海電機學院
• 主分類號: G06N3/08
• 分類號: G06N3/08
• 代理公司: 上海思微知識產權代理事務所(普通合伙) 31237
• 代理人: 鄭瑋

1.一種風力發電機故障診斷裝置，其特征在于，所述風力發電機故障診斷裝置包括：數據處理模塊、學習向量量化LVQ故障診斷模塊、界面模塊；

所述數據處理模塊，用于從振動傳感器采集風力發電機故障部件的的振動數據，并經過濾波，消噪處理，獲得故障特征；

所述LVQ故障診斷模塊，用于從風力發電機齒輪箱獲取故障數據，利用神經網絡函數創建LVQ神經網絡，設定隱含層神經元個數；網絡創建完成及相關參數設置完成后，利用網絡訓練函數對網絡進行訓練學習；利用仿真測試函數將測試數據送入訓練好的神經網絡便可以得到對應的測試輸出仿真數據，和實際測試數據標簽進行比較，得到準確率；

所述界面模塊，用于從所述LVQ故障診斷模塊獲取診斷結果，并在界面上顯示，實現人機交互。

2.如權利要求1所述的風力發電機故障診斷裝置，其特征在于，所述風力發電機齒輪箱故障數據保存在mat或者txt文件中，所述故障數據包括訓練數據，訓練標簽數據，測試數據，測試標簽數據，所述訓練數據用于訓練LVQ網絡，所述測試數據用于測試網絡的準確性，其中所述標簽數據代表各類故障類型。

3.如權利要求1所述的風力發電機故障診斷裝置，其特征在于，所述神經網絡函數如下所述：

其中，p為R維的輸入模式；S¹為競爭層神經元個數；IW^1,1為輸入層與競爭層之間的連接權系數矩陣；n¹為競爭層神經元的輸入；a¹為競爭層神經元的輸出；LW^2,1為競爭層與線性輸出層之間的連接權系數矩陣；n²為線性輸出層神經元的輸入；a²為線性輸出層神經元的輸出。

4.一種風力發電機故障診斷方法，其特征在于，所述方法包括：

從振動傳感器采集風力發電機故障部件的的振動數據，并經過濾波，消噪處理，獲得故障特征；

從風力發電機齒輪箱獲取故障數據，利用神經網絡函數創建LVQ神經網絡，設定隱含層神經元個數；網絡創建完成及相關參數設置完成后，利用網絡訓練函數對網絡進行訓練學習；利用仿真測試函數將測試數據送入訓練好的神經網絡便可以得到對應的測試輸出仿真數據，和實際測試數據標簽進行比較，得到準確率；

從所述LVQ故障診斷模塊獲取診斷結果，并在界面上顯示，實現人機交互。

5.如權利要求4所述的方法，其特征在于，所述風力發電機齒輪箱故障數據保存在mat或者txt文件中，所述故障數據包括訓練數據，訓練標簽數據，測試數據，測試標簽數據，所述訓練數據用于訓練LVQ網絡，所述測試數據用于測試網絡的準確性，其中所述標簽數據代表各類故障類型。

6.如權利要求4所述的方法，其特征在于，所述神經網絡函數如下所述：

其中，p為R維的輸入模式；S¹為競爭層神經元個數；IW^1,1為輸入層與競爭層之間的連接權系數矩陣；n¹為競爭層神經元的輸入；a¹為競爭層神經元的輸出；LW^2,1為競爭層與線性輸出層之間的連接權系數矩陣；n²為線性輸出層神經元的輸入；a²為線性輸出層神經元的輸出。