[發(fā)明專利]一種反饋尋優(yōu)的風(fēng)機(jī)葉片故障監(jiān)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110154925.1
• 申請(qǐng)日: 2021-02-04
• 公開（公告）號(hào): CN112800682B
• 公開（公告）日: 2022-10-04
• 發(fā)明（設(shè)計(jì)）人: 于傲;張亞平;王方政;湯鵬;鄒祖冰;朱小毅
• 申請(qǐng)（專利權(quán)）人: 中國長江三峽集團(tuán)有限公司
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27;G06K9/62;G06N3/00;G06N20/10
• 代理公司: 宜昌市三峽專利事務(wù)所 42103
• 代理人: 余山

一種反饋尋優(yōu)的風(fēng)機(jī)葉片故障監(jiān)測(cè)方法，包括以下步驟：步驟一：構(gòu)建風(fēng)機(jī)葉片狀態(tài)監(jiān)測(cè)的數(shù)據(jù)集；步驟二：構(gòu)建支持向量機(jī)模型來分割風(fēng)機(jī)葉片數(shù)據(jù)的特征空間；步驟三：對(duì)支持向量機(jī)模型參數(shù)進(jìn)行優(yōu)化求解；步驟四：對(duì)支持向量機(jī)模型進(jìn)行評(píng)估。本發(fā)明的目的是為了解決現(xiàn)有的風(fēng)機(jī)葉片故障監(jiān)測(cè)方法考慮因素單一，單一因素與風(fēng)機(jī)葉片的故障不一定具有絕對(duì)的相關(guān)性，這樣造成無法有效的對(duì)風(fēng)機(jī)葉片故障進(jìn)行準(zhǔn)確監(jiān)測(cè)的技術(shù)問題，而且風(fēng)機(jī)葉片故障問題復(fù)雜，現(xiàn)有算法迭代次數(shù)多、計(jì)算量大，且算法容易陷入局部最優(yōu)解，不能很好的滿足風(fēng)機(jī)葉片故障監(jiān)測(cè)的需求。

技術(shù)領(lǐng)域

本發(fā)明屬于風(fēng)力發(fā)電技術(shù)領(lǐng)域，尤其涉及一種融合支持向量機(jī)、粒子群算法等技術(shù)的用于風(fēng)機(jī)葉片故障監(jiān)測(cè)的方法。

背景技術(shù)

在當(dāng)前加快調(diào)整優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，能源結(jié)構(gòu)，大力發(fā)展新能源的背景下，我國的風(fēng)電裝機(jī)量正在節(jié)節(jié)增高。風(fēng)力發(fā)電在運(yùn)行的過程中不會(huì)產(chǎn)生溫室氣體，不會(huì)對(duì)生態(tài)環(huán)境造成破壞，是我國大力發(fā)展的新能源產(chǎn)業(yè)。目前，及時(shí)可靠地發(fā)現(xiàn)風(fēng)機(jī)葉片的故障是電廠運(yùn)維人員的一個(gè)重要工作。

支持向量機(jī)SVM(Support Vector Machine)可以在高維特征空間下解決非線性的分割問題，粒子群算法是一種仿生的優(yōu)化算法，通過對(duì)模擬鳥類的覓食過程，建立數(shù)學(xué)模型，該算法全局搜索能力強(qiáng)。

目前在風(fēng)機(jī)葉片故障監(jiān)測(cè)上的主要研究如下：

劉曉波等提出的一種基于小波包分析的風(fēng)機(jī)葉片裂紋故障診斷，該方法需要通過傳感器監(jiān)測(cè)葉片的振動(dòng)信號(hào)，通過對(duì)振動(dòng)信號(hào)進(jìn)行小波包分解，重構(gòu)分析每個(gè)信號(hào)頻域的特征變化，來檢測(cè)風(fēng)機(jī)葉片裂紋故障。

電子科技大學(xué)研究人員提出的一種基于深度卷積自編碼器和XGBoost的風(fēng)力發(fā)電機(jī)葉片故障診斷方法,該診斷方法首先采用主成分分析對(duì)原始風(fēng)力發(fā)電機(jī)葉片根部采集到的光纖載荷信號(hào)進(jìn)行降維處理,然后采用多層深度卷積自編碼器進(jìn)行無監(jiān)督地特征提取,得到具有故障信息的特征向量,之后將特征向量輸入到XGBoost中進(jìn)行特征學(xué)習(xí)和分類,最終實(shí)現(xiàn)風(fēng)力發(fā)電機(jī)葉片故障智能檢測(cè)。

黎少輝等通過分析氣動(dòng)信號(hào)和風(fēng)機(jī)葉片故障的關(guān)系，認(rèn)為葉片的裂紋會(huì)導(dǎo)致氣動(dòng)信號(hào)的部分頻帶發(fā)生變化。Car M等人通過裝載LiDAR的無人機(jī)對(duì)風(fēng)機(jī)葉片進(jìn)行檢測(cè)。Joshuva A等人通過對(duì)風(fēng)機(jī)葉片的振動(dòng)信號(hào)建立決策樹對(duì)風(fēng)機(jī)葉片故障進(jìn)行啟發(fā)式檢測(cè)。

以上研究只考慮了單一因素，單一因素和風(fēng)機(jī)葉片的故障不一定具有絕對(duì)的相關(guān)性，同時(shí)，風(fēng)機(jī)葉片故障問題復(fù)雜，現(xiàn)有的算法迭代次數(shù)多，計(jì)算量大，算法容易陷入局部最優(yōu)解。

發(fā)明內(nèi)容

本發(fā)明的目的是為了解決現(xiàn)有的風(fēng)機(jī)葉片故障監(jiān)測(cè)方法考慮因素單一，單一因素與風(fēng)機(jī)葉片的故障不一定具有絕對(duì)的相關(guān)性，這樣造成無法有效的對(duì)風(fēng)機(jī)葉片故障進(jìn)行準(zhǔn)確監(jiān)測(cè)的技術(shù)問題，而且風(fēng)機(jī)葉片故障問題復(fù)雜，現(xiàn)有算法迭代次數(shù)多、計(jì)算量大，且算法容易陷入局部最優(yōu)解，不能很好的滿足風(fēng)機(jī)葉片故障監(jiān)測(cè)的需求。

為解決上述技術(shù)問題，本發(fā)明所采用的技術(shù)方案是：

一種基于改進(jìn)學(xué)習(xí)因子粒子群算法優(yōu)化的支持向量機(jī)風(fēng)機(jī)葉片故障監(jiān)測(cè)方法，包括以下步驟：

步驟一：構(gòu)建風(fēng)機(jī)葉片狀態(tài)監(jiān)測(cè)的數(shù)據(jù)集；

步驟二：構(gòu)建支持向量機(jī)模型來分割風(fēng)機(jī)葉片數(shù)據(jù)的特征空間；

步驟三：對(duì)支持向量機(jī)模型參數(shù)進(jìn)行優(yōu)化求解；

步驟四：對(duì)支持向量機(jī)模型進(jìn)行評(píng)估。

在步驟一中，數(shù)據(jù)集由D個(gè)樣本(X_i,Y_i)夠成，其中X_i∈Rⁿ，Y_i∈{-1，+1}，其中，采集風(fēng)機(jī)葉片的運(yùn)行數(shù)據(jù)作為特征向量X_i，同時(shí)采集風(fēng)機(jī)運(yùn)行狀態(tài)標(biāo)簽Y(正常為+1，故障為-1))，并且對(duì)每一個(gè)特征進(jìn)行標(biāo)準(zhǔn)化。