[發明專利]一種反饋尋優的風機葉片故障監測方法

有效

• 申請號: 202110154925.1
• 申請日: 2021-02-04
• 公開（公告）號: CN112800682B
• 公開（公告）日: 2022-10-04
• 發明（設計）人: 于傲;張亞平;王方政;湯鵬;鄒祖冰;朱小毅
• 申請（專利權）人: 中國長江三峽集團有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/62;G06N3/00;G06N20/10
• 代理公司: 宜昌市三峽專利事務所 42103
• 代理人: 余山

1.一種反饋尋優的風機葉片故障監測方法，其特征在于，包括以下步驟：

步驟一：構建風機葉片狀態監測的數據集；

在步驟一中，數據集由D個樣本(X_i,Y_i)夠成，其中X_i∈Rⁿ，Y_i∈{-1，+1}，其中，采集風機葉片的運行數據作為特征向量X_i，同時采集風機運行狀態標簽Y(正常為+1，故障為-1))，并且對每一個特征進行標準化；

步驟二：構建支持向量機模型來分割風機葉片數據的特征空間；

步驟三：對支持向量機模型參數進行優化求解；

具體包括以下優化步驟：

1)設置粒子群算法的迭代步長m，設置粒子數N；

2)設置粒子的初始速度和初始位置其中表示第i個粒子的第j次迭代的速度參數，表示第i個粒子的第j次迭代位置參數，徑向基函數的σ∈[0.01,1000]，懲罰系數C∈[0.1,500]，學習因子C₁和C₂為每一次迭代所有粒子速度和位置向量的L²范數的平方和的柯西概率的一定倍數；

3)根據初始化條件，計算目標函數的適應值；

4)根據適應值，循環更新粒子的速度和位置，個體的最優解p_best，群體的最優解g_best，其中第j(0≤j≤m)個粒子第t次(0≤t≤N)迭代的其中第t次(0≤t≤N)迭代的

min()表示最小值；

5)根據終止條件,結束算法尋優過程：達到最大迭代次數或者兩代速度和位置的L²范數小于設定值即：||v^(t+1)-v^(t)||≤κ且||x^(t+1)-x^(t)||≤γ，其中κ和γ為精度設定值；

步驟四：對支持向量機模型進行評估。

2.根據權利要求1所述的反饋尋優的風機葉片故障監測方法，其特征在于，所述標準化過程為：

其中μ為X_i特征的樣本均值，σ為X_t特征的樣本標準差。

3.根據權利要求1所述的反饋尋優的風機葉片故障監測方法，其特征在于，所述運行數據包括風速，發電機轉速，環境溫度，風向角，偏航位置，水平方向加速度，垂直方向加速度，葉片1、葉片2、葉片3的角度、速度、開關溫度，開關直流器的直流電流，艙內溫度其中的一種或多種。

4.根據權利要求1所述的反饋尋優的風機葉片故障監測方法，其特征在于：在步驟二中，采用徑向基函數構建非線性分割的支持向量機模型來分割風機葉片數據的特征空間。

5.根據權利要求4所述的反饋尋優的風機葉片故障監測方法，其特征在于，所構建的支持向量機模型的分類決策函數為：

其中K(x,y)選擇為徑向基函數：

α_i的值域是[0，C]，C是懲罰系數，b為偏移量；

sgn為符號函數

具體優化目標函數為：

約束條件為：0≤α_i≤C，i＝1,2,....D

6.根據權利要求5所述的反饋尋優的風機葉片故障監測方法，其特征在于，在步驟三中，利用改進學習因子的粒子群算法優化求解支持向量機模型的α_i，σ參數(i＝1,2,.....,D)。