基于φ-OTDR和层级CNN的风力发电机监测方法技术

本发明专利技术属于光纤传感技术领域，提供了基于和层级CNN的风力发电机监测方法。本发明专利技术方法首先通过系统采集风力发电机桨叶振动信号，然后通过VMD方法对桨叶振动信号进行降噪，减小系统噪声对振动信号的影响，增强信号本身的特征；之后，对降噪后的信号进行归一化处理，然后通过GAF算法将一维信号转化为二维图片；之后，将二维图片送入第一层级AlexNet中进行待机、开机、工作、关机四种状态的分类；最后，将状态分类后的图片送入第二层级改进的VGG16网络中进行准确的监测识别，其中待机状态包括正常待机和波动待机，开机状态包括瞬间启动和正常启动，工作状态包括正常工作和故障工作，关机状态包括制动关机和正常关机；由于GAF不需要进行迭代操作，识别的速度大大提高，并且经过层级CNN可以更加精确的分类识别，减少系统的误报率。率。率。

【技术实现步骤摘要】
基于
φ
‑
OTDR和层级CNN的风力发电机监测方法


[0001]本专利技术属于光纤传感
，特别涉及基于
‑
OTDR和层级CNN的风力发电机监测方法。

技术介绍

[0002]风力发电机是将风能转换成电能的设备，其主要部件寿命一般在20年左右，但是由于我国风电机组多数安装在西北部和沿海地区，机组经常工作在低温、沙尘、雷电、冰雪、风暴等恶劣环境条件下，而且由于风速、载荷和风轮转速变化范围大，导致机组运行工况复杂，极易造成风力发电机在寿命期内出现故障甚至损坏。并且风电场机组数量多、分布范围广，运行中无人值守，设备出现故障不易及时发现。因此，对风机状态的监测和报警预示显得尤为重要。
[0003]由于风力发电机的特殊性质，传统的人工巡检以及超声监测不能够及时发现风机损坏情况，并且耗费大量人力。对于常用的重力加速度传感器监测方法，加速度传感器安装较为困难，且传感器本身容易老化损害，影响监测和报警效率。相位敏感型光时域反射计(
‑
OTDR)，对比其他监测技术，具有灵敏度高、重量轻体积本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于和层级CNN的风力发电机监测方法，其特征在于包括如下步骤：(1)数据采集：采用系统采集风力发电机桨叶的振动信号；(2)数据降噪：使用VMD算法对振动信号进行降噪，消除系统中的噪声，增强振动信号本身的特征；(3)数据归一化：对振动信号进行归一化处理，将接收到的振动信号数据X＝{x1,x2,...,x
n
}，进行归一化处理具体为:式中，n为振动信号的长度，为第i时刻的归一化信号，x
i
为一维时序信号中第i时刻的时序信号，max(X)为一维时序信号中的最大值，min(X)为一维时序信号中的最小值；(4)GAF图生成：将处理后的一维振动信号通过GAF转换转化维二维图片；首先，得到余弦角以及重新获得时间序列X和时间戳，变化具体如下所示：式中θ
i
为第i时刻的极坐标信号的极角；r为第i时刻的极坐标信号的极半径；N为所述时间戳总数；t
i
为第i时刻对应的时间戳；为归一化的信号；重新调整时间序列的比例并将其转化为极坐标系；然后通过计算每个点之间的反余弦函数之和的三角函数值，使用角度透视来识别不同时间间隔之间的间隔性；Gramian矩阵定义如下：其中，表示通过归一化变换后的时间序列信号，表示的转置向量，I是单位向量[1,1,...,1]，Gramian矩阵从左上角到右下角对序列的时间信息进行编码，严格保持信号的时间相关性；(5...

【专利技术属性】
技术研发人员：丁哲文，宋文强，赵春柳，龚华平，徐贲，康娟，张益昕，熊菲，金尚忠，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：