通过多结构方式进行风力发电机故障诊断的方法和装置制造方法及图纸

本发明专利技术涉及一种通过多结构方式进行风力发电机故障诊断的方法和装置。所述方法包括根据风力发电机在不同运行状态下的运行数据，构建原始数据空间；确定所述原始数据空间中任一样本数据的K近邻样本数据；基于所述任一样本数据的K近邻样本数据，分别利用第一方式和第二方式，得到两种任一样本数据与其对应的K近邻样本数据之间的局部线性结构；分别利用第三方式和第四方式将基于所述第一方式得到的局部线性结构和基于所述第二方式得到的局部线性结构进行结构融合，构造任一样本数据与其对应的K近邻样本数据之间的两种复合局部线性结构；基于构造样本数据的复合局部线性结构，得到所述样本数据的低维特征集合，将所述低维特征集合输入至支持向量机中，得到风力发电机的故障检测结果。

【技术实现步骤摘要】
通过多结构方式进行风力发电机故障诊断的方法和装置
：本专利技术涉及一种风力发电机的故障检测方法及装置。
技术介绍
：随着流形学习理论的逐步完善，流形学习被广泛应用于故障诊断领域。与传统的特征提取方法相比，流形学习是以整个数据集而非单一数据作为研究对象，能充够利用原始数据间的局部结构信息，但是流形学习在故障诊断中的应用依旧存在着诸多问题。其具体表现在现有的流形学习算法仅考虑了原始数据的单一结构，这使得原始样本数据的结构信息不能充分被利用，使得最终的低维特征集合不能准确地反映原始数据的本质特征，这严重影响了故障诊断精度。
技术实现思路
：为了解决
技术介绍
中所提到的技术问题，本专利技术提供一种风力发电机故障检测方法及装置,利用该检测方法及装置能够增强所提取特征的显著性，提高最终故障识别的精度。该方法利用了两种不同的方法挖掘出了原始数据两种不同的局部线性结构，并基于该两种局部线性结构采用两种结构融合的方法构造了两种基于多种局部线性结构流形学习故障诊断方法。它通过在低维空间中保持该多种局部线性结构不变得到原始数据对应的低维特征集合。将本文档来自技高网...

【技术保护点】
1.一种通过多结构方式进行风力发电机故障诊断的方法，包括如下步骤：/n第一步，根据风力发电机在不同运行状态下的运行数据，构建原始数据空间，包括：/n通过至少一种传感器采集风力发电机在不同运行状态下的运行数据；/n根据预设周期，从每种传感器采集的运行数据中截取预设长度的运行数据；/n对截取的预设长度的运行数据执行归一化处理，得到所述样本数据X，并基于所述样本数据形成所述原始数据空间；/n其中，对运行数据执行归一化处理的表达式如式(1)：/n

【技术特征摘要】
1.一种通过多结构方式进行风力发电机故障诊断的方法，包括如下步骤：
第一步，根据风力发电机在不同运行状态下的运行数据，构建原始数据空间，包括：
通过至少一种传感器采集风力发电机在不同运行状态下的运行数据；
根据预设周期，从每种传感器采集的运行数据中截取预设长度的运行数据；
对截取的预设长度的运行数据执行归一化处理，得到所述样本数据X，并基于所述样本数据形成所述原始数据空间；
其中，对运行数据执行归一化处理的表达式如式(1)：



其中，N为选取的预设长度的运行数据的数目，也为得到的样本数据的组数；X为归一化后得到的样本数据的集合，以矩阵集合的方式表示，X＝{x1,x2,...,xN}；i为大于或者等于1且小于或者等于N的整数；j表示样本数据的第j个特征，j为大于或者等于1且小于或者等于N的整数；xi表示第i个预设长度的运行数据；
第二步，按照式(2)找到与所述原始数据空间中任一样本数据距离最小的K组样本数据，确定为该样本数据的K近邻样本数据，K为大于零且小于样本数据总数的整数：



其中，dist(xi,xj)表示所述原始数据空间任意两组样本数据间的距离，xik和xjk分别表示所述原始数据空间中的样本数据xi和xj的第k个特征，k表示任一样本数据对应的特征，k为大于或者等于1且小于或者等于D的整数，D表示所述原始数据空间样本数据的维数，也为所述原始数据空间的特征组数；
第三步，基于第二步所获得的任一样本数据的K近邻样本数据，通过下列第一方式和第二方式，得到所述任一样本数据与对应的K近邻样本数据之间的第一种和第二种局部线性结构；
其中，所述通过第一方式得到任一样本数据与对应的K近邻样本数据之间的第一种局部线性结构，按照如下路径进行：
首先按照式(3)计算出任一样本数据的第一种局部结构：



式中，i为大于或者等于1且小于或者等于N的整数；N表示所述原始数据空间的样本数据的组数；K表示样本数据xi近邻点的组数，1≤K≤N；j为大于或者等于1且小于或者等于K的整数；w1ij表示样本数据xi的第一种局部线性结构；tr(.)表示迹函数，计算矩阵的迹；X表示所述原始样本数据；XT表示X的转置；M＝(I-W)(I-W)T，I表示单位矩阵，W表示w1ij的集合，(I-W)T表示(I-W)的转置；
之后，采用最小二乘法利用式(4)求得式(3)的解：
W1＝(ATA)-1ATx………式(4)
其中，x表示所述原始数据空间中的任一样本数据；A表示样本数据x的K近邻样本数据x1,x2,...,xK的集合；A＝{x1,x2...,xK}；AT表示A的转置；(ATA)-1表示(ATA)的逆变换；W1表示基于第一方式确定的样本数据x和与其对应的K近邻样本数据之间的第一种局部线性结构；
所述通过第二方式得到任一样本数据与对应的K近邻样本数据之间的第二种局部线性结构，按照如下路径进行：
首先，按照式(5)计算出任一样本数据的第二种线性结构：



其中，i为大于或者等于1且小于或者等于N的整数；N表示所述原始数据空间的样本数据的组数；K表示所述任一样本数据近邻点的组数，1≤K≤N；w2ij表示样本数据xi的第二种局部线性结构；λ1、λ2表示非负调节参数；||w2ij||1表示w2ij的L1范数，表示w2ij的L2范数；tr(.)表示迹函数，计算矩阵的迹；X表示所述原始样本数据；XT表示X的转置；I表示单位矩阵；W2表示w2ij的集合；(I-W2)T表示(I-W2)的转置；
之后，利用式(6)和式(7)通过迭代方式计算求得式(5)中所述的第二种局部线性结构：
x＝AW2+λ||W2||1………式(6)
W2(j+1)＝W2(j)+γδ(j)………式(7)
其中，x表示原始数据空间中的样本数据；A表示样本数据x的K近邻样本数据x1,x2,...,xK的集合；A＝{x1,x2,...,xK}；W2表示基于第二方式确定的样本数据x和与其对应的K近邻样本数据之间的第二种局部线性结构；W2(j)为第j次迭代得到的局部线性结构；γ为迭代步长；δ(j)为迭代方向；j为迭代次数，1≤j≤K；λ为调节系数，0≤λ≤1；
第四步，对第三步所获得的第一种局部线性结构和第二种局部线性结构，利用第三方式得到所述样本数据的第一复合局部...

【专利技术属性】
技术研发人员：刘远红，高志伟，张彦生，胡泽彪，
申请(专利权)人：东北石油大学，
类型：发明
国别省市：黑龙;23