一种基于CEEMDAN-BNs的风力变桨距系统故障诊断方法技术方案

本发明专利技术提供一种基于CEEMDAN

【技术实现步骤摘要】
一种基于CEEMDAN
‑
BNs的风力变桨距系统故障诊断方法


[0001]本专利技术涉及故障诊断
，具体涉及基于CEEMDAN
‑
BNs的风力变桨距系统故障诊断方法。

技术介绍

[0002]风力发电机组具有设备庞大，造价极高，结构复杂的特点，且一般处于戈壁荒漠、高原或海上等相对偏远的地区，因此在运行的过程中一旦某个子系统损坏出现故障无法及时进行维修，由此将引发故障程度加重，甚至可能会导致相邻系统发生故障从而造成较大的经济损失，因此风机的故障诊断和状态检测对于日常运行维护十分重要。风力变桨距系统是维持风机安全稳定运行的重要子系统，是风电机组的高频故障部件之一，通过对叶片角度的调整来保证风电机组的安全运行。因此变桨距系统对风力发电机的气动特性和机械特性有着重要的影响，维持稳定有效的变桨距系统对风电机组的可靠性和稳定性尤为重要。
[0003]变桨距系统的低转速、随机负载以及复杂运行环境导致系统在故障诊断过程中容易造成数据耦合复杂、微小故障难以发现等问题。而贝叶斯贝叶斯网络适合表达大型工业过程中的复杂因本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于CEEMDAN
‑
BNs的风力变桨距系统故障诊断方法，其特征在于，包括以下步骤：在故障状态的样本时间序列信号中加入白噪声，进行CEEMDAN模态分解，获取多个模态分量信号的IMF和余量信号；选取IMF信号中信噪比高且相关系数大的模态分量，通过希尔伯特变换对模态分量的瞬时频率和幅值进行计算，构建希尔伯特边际谱，通过希尔伯特边际谱构建能量特征矩阵；对能量特征矩阵进行区间划分，将连续的特征值空间划分为有限个区域，并形成有限个状态；根据划分后的能量特征矩阵及专家先验知识，构建贝叶斯网络拓扑结构；通过爬山算法搜索出贝叶斯网络的最优网络拓扑结构；训练贝叶斯网络，将待诊断信号输入训练好的贝叶斯网络获得故障诊断结果。2.根据权利要求1所述的基于CEEMDAN
‑
BNs的风力变桨距系统故障诊断方法，其特征在于，所述样本时间序列信号的获取，包括：对风电机组的仿真模型进行监测，采集故障状态下的振动信号，对采集的信号进行数据分割和预处理，获得故障状态的样本时间序列信号。3.根据权利要求1所述的基于CEEMDAN
‑
BNs的风力变桨距系统故障诊断方法，其特征在于，所述CEEMDAN模态分解包括以下步骤：确定样本时间序列信号为x(n)，加入高斯白噪声ω
i
(n)得到新的加噪信号：x
i
(n)＝x(n)+σ0ω
i
(n)式中，σ为白噪声标准差；对新的噪声信号x
i
(n)进行m次分解，得到第一阶的模态函数：在第一阶段分解之后得到一阶余量信号：对一阶余量信号r1(n)加入白噪声进行重构得到新的余量信号：r1(n)+σ1M1(ω
i
(n))进行经验模态分解，得到第一个模态函数时停止，计算获得CEEMDAN的第二个模态函数：以上步骤类推，当k＝2,3,
…
,K，则第k个余量信号为：如上对第k个余量信号r
...

【专利技术属性】
技术研发人员：王进花，王跃龙，高媛，曹洁，寻明蕊，陈泽阳，汤国栋，
申请(专利权)人：兰州理工大学，
类型：发明
国别省市：