风力发电机组振动特征提取与差异性判别的方法技术

本发明专利技术涉及一种风力发电机组振动特征提取与差异性判别的方法，包括以下步骤：数据采集与存储，采集正常振动机组、异常振动机组、需要检验的样本机组运行产生的二维振动数据并存储；二维振动数据向图像灰度转化；二维振动灰度特征提取分析，利用图像识别灰度直方图与灰度共生矩阵两种方法对二维振动转化的图像进行特征提取；通过K‑S检验，确定差异性显著的特征量以及确定样本机组振动是否异常。本发明专利技术可以快速识别异常机组振动特征；引用图像识别灰度计算算法，突破依赖频率分析的传统振动分析方法，可以获得更多数据振动特征，适用各类统计分布的特征差异分析判别，因此识别范围更广泛。

【技术实现步骤摘要】
风力发电机组振动特征提取与差异性判别的方法
本专利技术属于风力发电
，特别是涉及一种风力发电机组振动特征提取与差异性判别的方法。
技术介绍
风机振动是风力发电机运行中常见的现象，通过控制振动在安全范围之内、有效保护风机机械部件安全运行。如果风机的振动超标，会引起轴承座或电机轴承的损坏、电机地脚螺栓松动、风机机壳、叶片和风道损坏、电机烧损发热等故障，使风机工作性能降低，甚至导致根本无法工作。严重的可能因振动造成事故，危害人身安全及工作环境，给公司带来较大的经济损失。所以，如何更好地识别机组在运行过程中存在的振动异常状态，对预防风机因振动异常引起的风机故障、保证风机安全运行至关重要。
技术实现思路
为解决上述技术问题，本专利技术提供一种机组振动特征提取和差异性识别方法，使其可以及时发现风电机组在运行过程的异常状态，利于及时采取相关措施减小损失。本专利技术所采用的技术方案如下：风力发电机组振动特征提取与差异性判别的方法，包括以下步骤：步骤1、数据采集，采集正常振动机组、异常振动机组、需要检验的样本机组运行产生的二维振动数据；步骤2、数据存储，将步骤1采集的数据进行存储；步骤3、判断数据采集周期是否结束，如果是、转下一步，如果否、转步骤1；步骤4、二维振动数据向图像灰度转化；步骤5、二维振动数据的灰度特征提取分析；步骤6、通过K-S检验，确定差异性显著的特征量以及确定样本机组振动是否异常；步骤7、输出差异性判别结果。优选地，步骤2所述的数据存储的具体方法是：获取风力发电机组的二维振动数据并通过以太网方式利用104通信规约传输至数据中心进行存储。优选地，所述的风力发电机组的二维振动数据采集频率需要在0.2Hz至1Hz，振动方向分别为机组驱动方向与与之垂直的非驱动方向，即振动X方向、Y方向，并且采集到的数据两振动量时间戳一致。优选地，步骤4所述的二维振动数据向图像灰度转化的具体方法是：通过对X、Y坐标进行分割，每一分割范围为一个边长为a的正方形，定义为像素点；计算正方形内样本数量，并对整个坐标系内的所有正方形样本数量进行归一化处理，以此定义像素点灰度；灰度级别是样本量的函数，设定为1至L等级。优选地，步骤5所述的二维振动数据的灰度特征提取分析的具体方法是：利用图像识别灰度直方图与灰度共生矩阵两种方法对二维振动转化的图像进行特征提取。优选地，所述的利用图像识别灰度直方图法的具体步骤如下：根据阶数的不同，常用的灰度直方图特征有均值、方差、偏斜度、峰度，假定图像被量化为L个灰度级，p(i)表示归一化的灰度为i发生概率，计算方法和参数如下：均值方差偏斜度峰度优选地，所述的利用图像识别灰度共生矩阵法的具体步骤如下：灰度共生矩阵用Pd(i,j)(i,j＝0,1,2,…L-1)表示，当两像素间的位置关系d选定后，就生成一定关系d下的灰度共生矩阵，具体算法如下：将各个元素Pd(i,j)除以各元素之和S，得到各元素都小于1的归一化值由此得到归一化共生矩阵。优选地，采用下面五个最常用的特征来提取图像的纹理特征：1)角二阶矩2)对比度3)相关4)熵5)反差分矩优选地，步骤6所述的通过K-S检验确定差异性显著的特征量以及确定样本机组振动是否异常的具体方法是：通过特征提取分别得到正常机组和异常机组的振动纹理特征组，用K-S检验的方法证明哪些特征量在这两组样本之间有显著性差异，并作为对振动情况定量分析的数据支持；然后将新样本振动数据，按照相同的特征提取方法进行特征提取，再与正常机组振动特征进行假设检验，然后判断出存在显著差异的特征量，并且与异常机组振动特征进行对比，特征差异性检验一致的属于同一种异常机组特征。本专利技术的有益效果：1)本专利技术通过将采集到的正常、异常以及样本风电机组二维振动数据向图像灰度转化，利用图像识别领域灰度分析方法进行特征提取，通过K-S检验等非参检验方法验证差异显著性，可以方便准确快速地识别异常机组振动特征。2)本专利技术引用图像识别灰度计算算法，突破依赖频率分析的传统振动分析方法，可以获得更多数据振动特征，适用各类统计分布的特征差异分析判别，因此识别范围更广泛。附图说明图1是本专利技术的逻辑流程框图；图2是灰度共生矩阵的示意图；图3是实施例的振动点散点图。具体实施方式下面结合附图，具体说明本专利技术的实施方式。本专利技术提出一种风力发电机组振动特征提取与差异性判别的方法，利用在线运行数据将机组二维振动数据作灰度转化，利用灰度分析方法中的灰度直方图、灰度共生矩阵提取灰度特征，最后通过非参检验方法，对两组样本进行差异显著性判别。如图1所示，是本专利技术的逻辑流程框图。风力发电机组振动特征提取与差异性判别的方法，包括以下步骤：步骤1、数据采集，采集正常振动机组、异常振动机组、需要检验的样本机组运行产生的二维振动数据。步骤2、数据存储，将步骤1采集的数据进行存储。具体来说，风机运行数据的采集与存储，是对风力发电机组的实时运行数据进行采集并存储，具体是获取风力发电机组的二维振动数据并通过以太网方式利用104通信规约传输至数据中心进行存储。风力发电机组的二维振动数据采集频率需要在0.2Hz至1Hz，振动方向分别为机组驱动方向与与之垂直的非驱动方向，即振动X方向、Y方向，并且采集到的数据两振动量时间戳一致。步骤3、判断数据采集周期是否结束，如果是、转下一步，如果否、转步骤1。步骤4、二维振动数据向图像灰度转化。通过对X、Y坐标进行分割，每一分割范围为一个边长为a的正方形，定义为像素点。计算正方形内样本数量，并对整个坐标系内的所有正方形样本数量进行归一化处理，以此定义像素点灰度。灰度级别是样本量的函数，设定为1至L等级。以此方法，使虚拟的振动状态转化为可视的图形状态。步骤5、二维振动数据的灰度特征提取分析，利用图像识别灰度直方图与灰度共生矩阵两种方法对二维振动转化的图像进行特征提取。图像识别中，灰度直方图与灰度共生矩阵是成熟并且完善的描述图像纹理特征的两种方法。通过使用这两种方法对二维振动转化的图像进行特征提取。(1)灰度直方图法。灰度直方图代表了图像区域的概率密度分布，用图像的灰度直方图的各统计距能对纹理实现最简单直接的描述。根据阶数的不同，常用的灰度直方图特征有均值(一阶矩)、方差(二阶矩)、偏斜度(三阶矩)、峰度(四阶矩)。假定图像被量化为L个灰度级，p(i)表示归一化的灰度为i发生概率，以下将对用到的计算方法和参数进行简要总结。均值方差偏斜度峰度(2)灰度共生矩阵法。灰度共生矩阵法被定义为从灰度级i的点离开某个固定位置关系达到灰度为j的概率。灰度共生矩阵用Pd(i,j)(i,j＝0,1,2,…L-1)表示。其中L表示图像的灰度级，i,j分别表示像素的灰度。d表示两个像素间的空间位置关系。不同的d决定了两个像素间的距离和方向。θ为灰度共生矩阵的生成方向，通常取0°、45°、90°和135°四个方向。如图2所示，是灰度共生矩阵的示意图。当两像素间的位置关系d选定后，就生成一定关系d下的灰度共生矩阵，具体算法如下：灰度共生矩阵的一个元素代表了一种灰度组合下出现的次数。如元素Pd(1,0)代表了图像上位置关系为d的两个像素灰度分别为1和0的情况出现的次数。灰度共生矩阵反映的是图像灰度关于方向、相邻间隔、变化幅度的综合信息。通过灰度共生矩阵可以分析图像的本文档来自技高网...

【技术保护点】
1.风力发电机组振动特征提取与差异性判别的方法，其特征在于，包括以下步骤：步骤1、数据采集，采集正常振动机组、异常振动机组、需要检验的样本机组运行产生的二维振动数据；步骤2、数据存储，将步骤1采集的数据进行存储；步骤3、判断数据采集周期是否结束，如果是、转下一步，如果否、转步骤1；步骤4、二维振动数据向图像灰度转化；步骤5、二维振动数据的灰度特征提取分析；步骤6、通过K‑S检验，确定差异性显著的特征量以及确定样本机组振动是否异常；步骤7、输出差异性判别结果。

【技术特征摘要】
1.风力发电机组振动特征提取与差异性判别的方法，其特征在于，包括以下步骤：步骤1、数据采集，采集正常振动机组、异常振动机组、需要检验的样本机组运行产生的二维振动数据；步骤2、数据存储，将步骤1采集的数据进行存储；步骤3、判断数据采集周期是否结束，如果是、转下一步，如果否、转步骤1；步骤4、二维振动数据向图像灰度转化；步骤5、二维振动数据的灰度特征提取分析；步骤6、通过K-S检验，确定差异性显著的特征量以及确定样本机组振动是否异常；步骤7、输出差异性判别结果。2.根据权利要求1所述的风力发电机组振动特征提取与差异性判别的方法，其特征在于，步骤2所述的数据存储的具体方法是：获取风力发电机组的二维振动数据并通过以太网方式利用104通信规约传输至数据中心进行存储。3.根据权利要求2所述的风力发电机组振动特征提取与差异性判别的方法，其特征在于，所述的风力发电机组的二维振动数据采集频率需要在0.2Hz至1Hz，振动方向分别为机组驱动方向与与之垂直的非驱动方向，即振动X方向、Y方向，并且采集到的数据两振动量时间戳一致。4.根据权利要求3所述的风力发电机组振动特征提取与差异性判别的方法，其特征在于，步骤4所述的二维振动数据向图像灰度转化的具体方法是：通过对X、Y坐标进行分割，每一分割范围为一个边长为a的正方形，定义为像素点；计算正方形内样本数量，并对整个坐标系内的所有正方形样本数量进行归一化处理，以此定义像素点灰度；灰度级别是样本量的函数，设定为1至L等级。5.根据权利要求4所述的风力发电机组振动特征提取与差异性判别的方法，其特征在于，步骤5所述的二维振动数据的灰度特征提取分析的具体方法是：利用图像识别灰度直方...

【专利技术属性】
技术研发人员：吴广超，随德光，臧芳，
申请(专利权)人：积成电子股份有限公司，
类型：发明
国别省市：山东,37