【技术实现步骤摘要】
本专利技术属于故障诊断
，具体涉及一种风力发电机组振动故障诊断方法。
技术介绍
近年来，能源短缺与环境问题日益突出，世界各国对于新能源的发展日益重视，风力发电作为一种可再生清洁能源，在世界各国得到了快速的发展。但是，风力发电机组工作环境恶劣、结构复杂，极易发生各种故障故障。对其进行早期状态检测与故障诊断，能够有效避免事故的发生，减少经济损失。因此，开展风力发电机组故障诊断技术的研究对于促进风电技术的发展意义重大。风力发电机组故障诊断一般分为四个步骤，分别为信号采集、信号处理与特征提取、故障识别和诊断决策。目前，风力发电机组故障的研究主要集中于在线监测系统的开发、信号的处理与分析、典型故障特征提取、设备故障机理研究、故障诊断方法研究和人工智能应用等几个方面。在进行风力发电机组故障诊断中，常采用的分析方法有傅里叶变换、奇异值分解、高阶统计量理论、小波变换和经验模态分解等。傅里叶变换只适用于平稳信号的检测与处理，而对于非平稳信号无能为力；奇异值分解只是在时域内对信号进行分析处理，而与频域分析无关；高阶统计量的计算量较大，不太实用；小波变换对于基函数的选择还没有一个基本的标准或通用的方法；经验模态分解能够适用于非平稳、非线性信号的检测与处理，但是其存在端点效应和模态混叠现象，且没有理论基础。因此，这几种方法对于处理非线性、非平稳的振动信号都存在一定的缺点和不足，不能充分凸显信号特征。随着人工智能技术的发展，为风力发电机组的故障诊断提供了一定的理论支持，如专家系统、模糊诊断方法、神经网络和支持向量机等。专家系统在知识的获取、维护以及推理等方面还不成熟；模糊理...
【技术保护点】
一种风力发电机组振动故障诊断方法，其特征在于，包括以下步骤：步骤1，采用振动传感器采集风力发电机组振动故障信号；步骤2，利用变分模态分解方法对振动信号进行分解，得到包含不同频段信息的IMF分量；步骤3，计算振动信号经变分模态分解得到的各个IMF分量的能量，并经归一化处理，得到该信号的故障特征向量；步骤4，利用遗传算法优化支持向量机，构建基于遗传算法优化的支持向量机故障诊断模型；步骤5，将提取的故障特征向量输入到步骤4建立的诊断模型中进行故障的识别与诊断。
【技术特征摘要】
1.一种风力发电机组振动故障诊断方法，其特征在于，包括以下步骤：步骤1，采用振动传感器采集风力发电机组振动故障信号；步骤2，利用变分模态分解方法对振动信号进行分解，得到包含不同频段信息的IMF分量；步骤3，计算振动信号经变分模态分解得到的各个IMF分量的能量，并经归一化处理，得到该信号的故障特征向量；步骤4，利用遗传算法优化支持向量机，构建基于遗传算法优化的支持向量机故障诊断模型；步骤5，将提取的故障特征向量输入到步骤4建立的诊断模型中进行故障的识别与诊断。2.根据权利要求1所述的风力发电机组振动故障诊断方法，其特征在于，所述步骤2...
【专利技术属性】
技术研发人员：贾嵘，李涛涛，武桦，张惠智，尹浩霖，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。