【技术实现步骤摘要】
一种基于阶次谱迁移的风电传动链智能故障诊断方法
本专利技术涉及智能故障诊断
，特别是一种基于阶次谱迁移的风电传动链智能故障诊断方法。
技术介绍
风电已成为全球重要的新能源，近十年来我国风电发展更是迅猛，是继煤电和水电之后的第三大主力电源。风电快速发展的同时，运行故障问题也日益突出，出现了大量齿轮箱损坏、叶片裂纹、电机着火、倒塌等事故，特别是对于运行2-3年以上的兆瓦级风电机组，其故障率高达5％。带增速齿轮箱的兆瓦级风力发电机是目前的主力机型，其传动系统主要由主轴、主轴承、齿轮箱、联轴器等组成。受风能间歇性与波动性的影响，风电机组传动链承受的载荷具有很强的时变性与冲击性，导致传动系统的故障高发。对风电传动链运行状态进行有效评估、及时对故障进行预警、避免重大故障的发生，已成为风电行业面临的紧迫任务。随着人工智能与大数据技术的发展，基于机器学习算法的智能故障诊断受到了学术界和工程界的普遍关注。然而，传统的智能故障诊断研究需要大量的覆盖各种运行工况和故障类别的有标签训练样本，这在实际的风电传动链故障诊断中难以得到满足。...
【技术保护点】
1.一种基于阶次谱迁移的风电传动链智能故障诊断方法，其特征在于，包括以下步骤：/n第一步：训练阶段，选取源域数据和目标域正常数据训练智能诊断模型；/n第二步：训练阶段，通过傅立叶分解算法分离原始振动信号中的窄带共振分量；/n第三步：训练阶段，通过希尔伯特阶次变换计算窄带共振分量的包络阶次谱；/n第四步：训练阶段，基于特征阶次比和包络阶次谱归一化处理构建故障特征集；/n第五步：训练阶段，通过一维卷积神经网络学习故障特征与故障类别之间的映射关系；/n第六步：测试阶段，通过傅立叶分解算法和希尔伯特阶次变换提取目标域测试信号的包络阶次谱，并通过特征阶次比和包络阶次谱归一化处理构建目...
【技术特征摘要】
1.一种基于阶次谱迁移的风电传动链智能故障诊断方法，其特征在于，包括以下步骤：
第一步：训练阶段，选取源域数据和目标域正常数据训练智能诊断模型；
第二步：训练阶段，通过傅立叶分解算法分离原始振动信号中的窄带共振分量；
第三步：训练阶段，通过希尔伯特阶次变换计算窄带共振分量的包络阶次谱；
第四步：训练阶段，基于特征阶次比和包络阶次谱归一化处理构建故障特征集；
第五步：训练阶段，通过一维卷积神经网络学习故障特征与故障类别之间的映射关系；
第六步：测试阶段，通过傅立叶分解算法和希尔伯特阶次变换提取目标域测试信号的包络阶次谱，并通过特征阶次比和包络阶次谱归一化处理构建目标域故障特征向量；
第七步：测试阶段，通过阶次谱迁移算法将目标域数据的故障特征迁移至源域；
第八步：测试阶段，通过训练好的一维卷积神经网络识别目标域测试数据的故障类别。
2.根据权利要求1所述的基于阶次谱迁移的风电传动链智能故障诊断方法，其特征在于，所述第二步中，傅立叶分解算法包括以下步骤：
S1通过搜索傅立叶谱的极大值点估计自振频率ωi；
S2在频率范围|ω-ωi|≥0.1ωi，i＝1，2，..，N内重复步骤S1直至所有的极大值点均被搜索到，其中N为已搜索到的自振频率点；
S3构建共振带带宽最小化问题：
式中，Xi(ω)为待分离的共振带，其时域信号为xi(t)；F(ω)为原始振动信号f(t)的傅立叶谱；优化问题的解即为共振带Xi(ω)的解析解：
S4通过傅立叶逆变换将共振带Xi(ω)转换为时域信号xi(t)。
3.根据权利要求2所述的基于阶次谱迁移的风电传动链智能故障诊断方法，其特征在于，所述第三步中，希尔伯特阶次变换的原理与计算过程为：
假设有一频率调制解析信号y(t)：
其包络阶次谱Y(o)的计算式为：
式中，A为振动幅值；o1为特征阶次；fr(t)为瞬时转频；T为信号时间长度；j为虚数单位；
根据等式：
包络阶次谱Y(o)改写为：
即包络阶次谱Y(o)在特征阶次o1处存在突出的、可用以特征阶次、有效识别的谱线...
【专利技术属性】
技术研发人员：邓艾东，邓敏强，朱静，史曜炜，卢浙安，马骏驰，冯志刚，刘洋，程强，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32
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。