一种叶根螺栓断裂故障检测方法及介质技术

本发明专利技术公开了一种叶根螺栓断裂故障检测方法，包括：S01、选择多个特征进行预处理，将描述叶片运行状态的三个变量采用均值‑方差标准化后求和作为输出；S02、使用未发生过螺栓断裂故障的数据训练LSTM正常模型；使用螺栓发生断裂故障发生前的数据训练LSTM故障模型；将S01的数据投入至LSTM正常和故障模型，提取误差向量特征；S03、将误差向量特征代入至随机森林算法训练随机森林模型；再将风机运行数据代入至随机森林模型进行故障诊断。本发明专利技术还公开了一种计算机可读存储介质，其上储存有计算机程序，该程序被处理器执行时实现如上所述的方法。本发明专利技术的检测方法及介质具有自动化程度高、检测准确率高以及降低成本等优点。

A Method for Detecting Fracture Fault of Root Bolt and Its Medium

The invention discloses a fault detection method for root bolt breakage, which includes: S01, selecting multiple features for pretreatment, summing up the three variables describing the blade operation state by means of standardization of mean and variance as output; S02, training LSTM normal model by using data without bolt breakage failure; training LSTM accident by using data before bolt breakage failure occurs; and training LSTM accident by using data before bolt breakage failure occurs. Obstacle model; S01 data is put into LSTM normal and fault model to extract error vector features; S03, error vector features are substituted into random forest algorithm to train random forest model; and then fan operation data is substituted into random forest model to diagnose fault. The invention also discloses a computer readable storage medium on which a computer program is stored, and the method described above is implemented when the program is executed by a processor. The detection method and medium of the invention have the advantages of high automation, high detection accuracy and low cost.

【技术实现步骤摘要】
一种叶根螺栓断裂故障检测方法及介质
本专利技术主要涉及风电
，特指一种叶根螺栓断裂故障检测方法及介质。
技术介绍
风电对于缓解能源供应、改善能源结结构、保护环境等方面意义重大。这些年，风电机组在我国得到了广泛的安装使用。由于风力发电机组通常处于野外，环境条件恶劣，容易出现故障，维修起来耗费大量人力物力，对风机的可靠性要求越来越高。因此开展对风力发电机组常见故障机理进行分析研究，对保证风力发电机组安全运行，预防故障发生，减少故障发生率，提高风力发电机组运行的可靠性有重大的实际意义。螺栓连接是风力发电机组装配中的重要装配方式，几乎涉及到风力发电机组的所有部件。因此，螺栓的选用和强度校核是风力发电机组可靠性的重要保证。为了对螺栓进行校核，目前人们主要通过利用有限元软件分析和科学计算两种途径来对螺栓的可靠性进行设计和校核。风力发电机中的高强度螺栓主要起到连接、紧固及提供抵抗外载的预紧力的作用，叶片螺栓作为连接风机叶片和轮毂两大关键部件，一般都采用10.9级的高强度螺栓，其重要程度不言而喻。如果不能有限保证每个环节的质量，则有可能造成严重的事故。引起螺栓失效的原因主要有以下几个方面：一、本文档来自技高网...

【技术保护点】
1.一种叶根螺栓断裂故障检测方法，其特征在于，包括以下步骤：S01、选择风电机组多个特征作为输入进行预处理，将描述叶片运行状态的三个变量采用均值‑方差标准化后求和作为输出，其中三个变量分别为叶片变桨角度、叶片变桨速度和叶片变桨电机电流值；S02、使用未发生过叶根螺栓断裂故障的数据训练LSTM正常模型；使用叶根螺栓发生断裂故障的风电机组在故障发生前的数据训练LSTM故障模型；将步骤S01输出的数据投入至LSTM正常模型和LSTM故障模型，提取误差向量特征；S03、将误差向量特征代入至随机森林算法，以是否为故障时间段的数据做标签，训练随机森林模型；再将风电组运行数据代入至随机森林模型进行故障诊断。

【技术特征摘要】
1.一种叶根螺栓断裂故障检测方法，其特征在于，包括以下步骤：S01、选择风电机组多个特征作为输入进行预处理，将描述叶片运行状态的三个变量采用均值-方差标准化后求和作为输出，其中三个变量分别为叶片变桨角度、叶片变桨速度和叶片变桨电机电流值；S02、使用未发生过叶根螺栓断裂故障的数据训练LSTM正常模型；使用叶根螺栓发生断裂故障的风电机组在故障发生前的数据训练LSTM故障模型；将步骤S01输出的数据投入至LSTM正常模型和LSTM故障模型，提取误差向量特征；S03、将误差向量特征代入至随机森林算法，以是否为故障时间段的数据做标签，训练随机森林模型；再将风电组运行数据代入至随机森林模型进行故障诊断。2.根据权利要求1所述的叶根螺栓断裂故障检测方法，其特征在于，在步骤S02中，将步骤S01输出的数据进行特征工程处理，分别进入至LSTM正常模型和LSTM故障模型计算误差向量，再从两个误差向量中提取误差向量特征。3.根据权利要求1所述的叶根螺栓断裂故障检测方法，其特征在于，在步骤S03中，故障诊断包括由随机森林模型给出投票概率，将预定时间段内的投票概率输出，绘制运行图，挖掘故障模式。4.根据权利要求1或2或3所述的叶根螺栓断裂故障检测方法，其特征在于，还包括增量学习：一旦检测出故障并确定为故障的样本，对LSTM故障模型的参数进行更新以进行自我...

【专利技术属性】
技术研发人员：陈亚楠，韩德海，闫慧丽，刘璐，庞家猛，欧惠宇，臧晓笛，
申请(专利权)人：中车株洲电力机车研究所有限公司，
类型：发明
国别省市：湖南,43