一种风电滑环退化状态在线追踪预测方法技术

本发明专利技术公开了一种风电滑环退化状态在线追踪预测方法，选用多个传感器对退化状态进行信息收集，并在重构后通过主成分分析法构件健康指标，采用窗口滑动的方式根据健康指标对滑环的退化状态进行追踪预测，并能够及时发出故障预警；本方案预测精度高，采用了包含半径和均方根来构件健康指标，其所反映的退化过程更加清楚有效，整体提高了工作效率，降低了故障率。率。率。

【技术实现步骤摘要】
一种风电滑环退化状态在线追踪预测方法


[0001]本专利技术涉及风电变桨滑环检修方法，具体涉及一种风电滑环退化状态在线追踪预测方法。

技术介绍

[0002]在风电变桨滑环系统中，滑环与电刷之间的导电性能和摩擦性能决定了整个系统的可靠性。当滑环退化到一定程度后，接触元件的性能将达到失效的极限值，在这样的环境下，极容易导致整个发电系统发生紊乱，造成严重事故发生。
[0003]公开号为CN104865472B的专利《风电滑环检测系统及其检测方法》，采用上位机系统，配合硬件来代替受主观影响大的人工检测方法，提高了检测效率。然而，该方法只是依赖于传统的机械检测，无法进行数据采集、分析以及预测等等工作，在检测效率上仍旧存在局限性，且精度不高。

技术实现思路

[0004]专利技术目的：本专利技术的目的是提供一种能够良好反映滑环的退化过程，从而进行追踪预测的风电滑环退化状态在线追踪预测方法。
[0005]技术方案：本专利技术所述的一种风电滑环退化状态在线追踪预测方法，包括以下步骤：
[0006](1)选用振动传感器、扭矩传感器、电流传感器和电压传感器对滑环的退化信号进行实时收集，同时利用压缩感知的方式进行压缩采样；
[0007](2)将压缩采样后得到的数据传输到数据采集系统中，并重构出原始信号；
[0008](3)对采集的扭矩信号处理得到摩擦系数信号，对采集的电流和电压信号处理后得到电阻信号，获取预期的数据集后，对振动信号、摩擦系数信号与电阻信号进行小波去噪处理；
[0009](4)选用混沌参数包含半径和统计参数均方根对风电滑环的退化过程进行特征提取，其中混沌参数包含半径为包含所有相点的最小超球面半径ε，计算该包含半径的具体步骤为，将测量的摩擦信号重构到高维相空间中，对一系列ε分别计算器关联积分C(ε)，在绘制LogC(ε)
‑
Logε曲线后，确定封闭区域，随后在LogC(ε)稳定在0时，确定分别区域左端点的横坐标，该横坐标即为包含半径的对数，由此得到包含半径；
[0010](5)通过主成分分析法将提取的各个特征参数进行降维处理，并将处理后得到的第一主成分作为滑环各环路的健康指标；
[0011](6)建立基于长短期记忆神经网络的退化预测模型；
[0012](7)将健康指标进行窗口划分，以窗口滑动的方式，实现滑环的退化状态在线追踪预测；
[0013](8)将当前健康指标和预测值与之前的健康指标进行对比，若健康指标预测值的上升趋势较为明显，则触发故障预警，反之则滑环的健康状态良好。
[0014]通过上述技术方案，采用多个传感器对滑环的工作状况、退化信息进行全面收集，根据收集得到的信息进行处理得到通过包含半径和均方根构件的健康指标，该健康指标可以清楚、明确地反映滑环的退化过程，由此实现了对滑环退化的在线追踪预测。
[0015]优选的，在步骤(1)中，在风电滑环上安装一个振动传感器和一个扭矩传感器，并在每个环路内以串联的方式接入一个电流传感器、以并联的方式接入一个电压传感器，由此能够在控制成本的前提下实现对风电滑环工作状况退化信息的收集。
[0016]优选的，在步骤(1)中，振动传感器、扭矩传感器、电流传感器和电压传感器的采样频率相同，这样可以保证在需要信息融合的极端数据的长度相等。
[0017]优选的，上述传感器的采样频率在20kHz～30kHz内，在该范围内收集得到的信息进行处理后得到的健康指标更有效。
[0018]优选的，在步骤(2)中，通过数值最优算法重构原始信号。
[0019]优选的，在步骤(6)中，采用粒子群优化算法对模型的参数进行优化，这样可以提高模型参数的稳定性，达到最优的效果。
[0020]优选的，在步骤(7)中，窗口滑动的方式具体为，将每个窗口对应一个健康指标值，对于当前时间的窗口，将其前一段的窗口数据输入模型进行训练后，便可预测下一段窗口数据的变化趋势，随着时间推移到下一个窗口时，重复上述步骤。
[0021]优选的，在步骤(8)中，风电滑环中一个环路发出故障预警，就判定为整个滑环发生故障预警。
[0022]有益效果：本专利技术与现有技术相比，所带来的显著优点有：1、采用多个传感器对退化信息进行全面收集，提高了预测精度；2、采用包含半径和均方根来构建健康指标，其反映的退化过程更为有效清楚；3、可实现对风电滑环退化状况的在线追踪预测，有效提高了工作效率，降低了故障概率。
附图说明
[0023]图1为本专利技术的步骤流程图。
具体实施方式
[0024]下面结合附图对本专利技术的技术方案作进一步说明。
[0025]如图1所示，所述的风电滑环退化状态在线追踪预测方法，包括以下步骤：
[0026](1)在风电滑环上安装一个振动传感器和一个扭矩传感器，并在每个环路内以串联的方式接入一个电流传感器、以并联的方式接入一个电压传感器，利用这些传感器对滑环的退化信号进行实时收集，同时利用压缩感知的方式进行压缩采样，每个传感器的采样频率均为25kHz；
[0027](2)将采样后得到的数据传输到数据采集系统中，并通过数值最优算法重构原始信号；
[0028](3)将采集的扭矩信号进行处理得到摩擦系数信号，对采集的电流和电压信号处理得到电阻信号，获取预期的数据集后，对振动信号、摩擦系数信号和电阻信号进行小波去噪处理；
[0029](4)选用混沌参数包含半径和统计参数均方根对风电滑环的退化过程进行特征提
取，其中混沌参数包含半径为包含所有相点的最小超球面半径ε，计算该包含半径的具体步骤为，将测量的摩擦信号重构到高维相空间中，对一系列ε分别计算器关联积分C(ε)，在绘制LogC(ε)
‑
Logε曲线后，确定封闭区域，随后在LogC(ε)稳定在0时，确定分别区域左端点的横坐标，该横坐标即为包含半径的对数，由此得到包含半径；
[0030](5)通过主成分分析法将提取的各个特征参数进行降维处理，并将处理后得到的第一主成分作为滑环各环路的健康指标，该健康指标将随着退化程度的加重而升高；
[0031](6)建立基于长短期记忆神经网络的退化预测模型，并采用粒子群优化算法对模型的参数进行优化；
[0032](7)将健康指标进行窗口划分，以窗口滑动的方式，实现滑环的退化状态在线追踪预测，具体窗口滑动的方式为，将每个窗口对应一个健康指标值，对于当前时间的窗口，将其前一段的窗口数据输入模型进行训练后，便可预测下一段窗口数据的变化趋势，随着时间推移到下一个窗口时，重复上述步骤；
[0033](8)将当前健康指标和预测值与之前的健康指标进行对比，若健康指标预测值的上升趋势较为明显，则触发故障预警，反之则滑环的健康状态良好，其中，风电滑环中只要有一个环路发出故障预警，则判定为整个滑环发生故障预警。
[0034]在上述实施例中，选取窗口为90、180、270、360、450、540作为预测起点A、B、C、D、E、F；<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风电滑环退化状态在线追踪预测方法，其特征在于，包括以下步骤：(1)选用振动传感器、扭矩传感器、电流传感器和电压传感器对滑环的退化信号进行实时收集，同时利用压缩感知的方式进行压缩采样；(2)将压缩采样后得到的数据传输到数据采集系统中，并重构出原始信号；(3)对采集的扭矩信号进行处理得到摩擦系数信号，对采集的电流和电压信号处理后得到电阻信号，获取预期的数据集后，对振动信号、摩擦系数信号与电阻信号进行小波去噪处理；(4)选用混沌参数包含半径和统计参数均方根对风电滑环的退化过程进行特征提取，其中混沌参数包含半径为包含所有相点的最小超球面半径ε，计算该包含半径的具体步骤为，将测量的摩擦信号重构到高维相空间中，对一系列ε分别计算器关联积分C(ε)，在绘制LogC(ε)
‑
Logε曲线后，确定封闭区域，随后在LogC(ε)稳定在0时，确定分别区域左端点的横坐标，该横坐标即为包含半径的对数，由此得到包含半径；(5)通过主成分分析法将提取的各个特征参数进行降维处理，并将处理后得到的第一主成分作为滑环各环路的健康指标；(6)建立基于长短期记忆神经网络的退化预测模型；(7)将健康指标进行窗口划分，以窗口滑动的方式，实现滑环的退化状态在线追踪预测；(8)将当前健康指标和预测值与之前的健康指标进行对比，若健康指标预测值的上升趋势较为明显，则触发故障预警，反之则滑环的健康状态良好。2.根据...

【专利技术属性】
技术研发人员：周元凯，朱锐，左雪，王智勇，赵欢，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：