【技术实现步骤摘要】
本专利技术属于传感器故障诊断，特别是一种风力发电机润滑冷却系统传感器故障诊断方法。
技术介绍
1、齿轮箱作为风力发电机组传动链系统的重要组成部件，其运行情况将直接影响风力发电机组整机运行效果。齿轮箱冷却润滑系统作为齿轮箱的配套系统，主要实现齿轮箱的散热和润滑，是保证齿轮箱正常运行的重要部件。在润滑冷却控制系统中，传感器作为信息获取、测量过程变量的主要部件装置，其输出信号的质量直接关系到整个机组的安全可靠运行。但传感器出现故障，则后续对于润滑冷却的状态监测与故障诊断都会失效。传统的基于动力学模型进行传感器诊断的方法，由于其系统动态模型建模困难且计算效率低，限制了该类方法在工程上的应用。为解决上述问题，将子空间模型辨识方法引入到建模过程中，提出子空间模型辨识的风机润滑冷却动力学建模技术，并结合广义卡尔曼滤波方法提出了一种改进的残差检测算法进行传感器故障隔离。
2、在
技术介绍
部分中公开的上述信息仅仅用于增强对本专利技术背景的理解，因此可能包含不构成在本领域普通技术人员公知的现有技术的信息。
技术实现思路
1、针对现有风力发电机润滑冷却系统多传感器测量值可靠性问题，本专利技术提出一种风力发电机润滑冷却系统传感器故障诊断方法，同时针对物理知识建模对不同型号的风机通用性较差，将系统辨识的方法引入到建模中。解决了传统的基于模型的传感器故障诊断方法中模型应用的局限性。
2、本专利技术的目的是通过以下技术方案予以实现，风力发电机润滑冷却系统传感器故障诊断方法包括以下步骤，p>
3、步骤1，利用数值子空间系统辨识的方法构建风力发电机润滑冷却系统的状态空间模型；
4、步骤2，基于状态空间模型构建卡尔曼滤波器；
5、步骤3，基于所述卡尔曼滤波器针对风力发电机润滑冷却系统不同的传感器构建奉献观测器；
6、步骤4，将奉献观测器的输出值与传感器的测量值比较，计算残差，通过残差分析进行传感器故障诊断。
7、所述的方法中，步骤1中，风力发电机润滑冷却系统的稳态工况点的m个输入、n个输出的l阶线性系统的状态空间模型为：
8、
9、式中，为系统矩阵，为控制矩阵，为输出矩阵，为直接传递矩阵，和分别为k时刻的输入测量值和输出测量值，为k时刻的过程状态，为k+1时刻的过程状态，和为k时刻的过程噪声和测量噪声，将风力发电机润滑冷却系统的油泵与水泵的转速视为输入值，把油侧温度传感器、冷却液温度传感器和冷却液压力传感器视为输出值，然后利用数值子空间辨识方法辨识系统输入输出系数矩阵a，b,c,d。
10、所述的方法中，步骤1中，构造输入输出的hankel矩阵，
11、
12、输入hankel矩阵、输出hankel矩阵构造栈向量状态空间方程y和向量z：
13、y＝γxs+φu+φmm+n (15)
14、
15、式中，γ为广义可观测矩阵；xs为系统的状态序列；φ为输入权重矩阵；φm为噪声权重矩阵；m为测量噪声；n为过程噪声。
16、将状态方程沿着的u行矩阵在z上进行投影：
17、y/uz＝γxs/uz+φu/uz+φmm/uz+n/uz (17)
18、根据向量投影的性质：u/u z＝0，m/u z＝0和n/u z＝0消除噪声项以及输入，得到：
19、y/u z＝γxs (18)
20、对投影结果进行svd分解，可以得到γ。先由γ直接计算矩阵a和c，然后再根据输入权重矩阵φ计算系统矩阵b和d。其中矩阵γ和φ具体形式如下所示。
21、
22、所述的方法中，步骤2中，利用步骤一所辨识出的状态空间方程，构造卡尔曼滤波器。卡尔曼滤波器包含的方程可分为两个方程集：时间更新方程组(用于预测)以及测量更新方程组(用于修正)。
23、首先引入公式(1)所描述的系统。构造时间更新方程组：
24、
25、式中，x(k|k-1)是利用上一状态预测的结果，x(k-1|k-1)是上一状态最优的结果，u(k)为现在状态的控制量，p(k|k-1)是x(k|k-1)对应的协方差，p(k-1|k-1)是x(k-1|k-1)对应的协方差，at表示a的转置矩阵，q是系统过程的协方差，获得状态的预测结果后，结合预测值和测量值，构造更新测量方程组：
26、
27、其中k(k)为卡尔曼增益。
28、最后计算状态空间方程的模型输出值
29、y(k)＝cx(k|k)+du(k)+v(k) (22)
30、所述的方法中，步骤3中，状态空间模型利用m个可测参数来估计润滑冷却系统状态，m个参数对应着m个传感器，根据传感器的数量设计相应的m个降阶卡尔曼滤波器，作为奉献观测器。每个奉献观测器的输入zi中包含了除第i个传感器以外的其余m-1个可测参数偏离量。因此，按照残差检测的诊断原理，当第i个传感器发生故障后，第i个奉献观测器(滤波器)的估计值与实际测量值接近，而其他输入故障信号的滤波器估计值均与实际测量值存在较大偏差，从而可以定位故障传感器。
31、所述的方法中，其特征在于，将奉献观测器输出值与传感器测量值之差称为残差，第i个残差ei表示如下：
32、
33、式(11)中，yi是滤波器的输出，是状态传播器的输出，残差加权平方和的计算方法如下：
34、wssri＝(ei)t[diag(σj)]-1ei (24)
35、其中，σj是用来衡量传感器的测量噪声和本身特性的一个标准偏差，当传感器无故障时，由于残差ei是零均值的高斯分布，且方差是对称正定矩阵，则wssr服从χ2分布；当传感器发生故障时，残差ei的分布特性被破坏，基于wssr的数值诊断故障传感器的位置。
36、所述的方法中，风力发电机润滑冷却系统包括齿轮箱冷却润滑系统。
37、和现有技术相比，本专利技术具有以下优点：提出了奉献观测器组用于传感器诊断的新思路，将奉献观测器组输出与传感器测量值进行比较，通过残差分析实现传感器故障诊断，辨识风力发电机润滑冷却系统状态空间模型，并克服了润滑系统物理建模困难无法建立奉献观测器的缺陷。
本文档来自技高网...【技术保护点】
1.一种风力发电机润滑冷却系统传感器故障诊断方法，其特征在于，其包括以下步骤，
2.如权利要求1所述的方法，其特征在于，优选的，步骤1中，风力发电机润滑冷却系统的稳态工况点的m个输入、n个输出的l阶线性系统的状态空间模型为：
3.如权利要求2所述的方法，其特征在于，步骤1中，构造输入输出的Hankel矩阵，
4.如权利要求1所述的方法，其特征在于，步骤2中，利用步骤一所辨识出的状态空间方程，构造卡尔曼滤波器，卡尔曼滤波器包含的方程可分为两个方程集：时间更新方程组(用于预测)以及测量更新方程组(用于修正)；
5.如权利要求1所述的方法，其特征在于，步骤3中，状态空间模型利用m个可测参数来估计润滑冷却系统状态，m个参数对应着m个传感器，根据传感器的数量设计相应的m个降阶卡尔曼滤波器，作为奉献观测器，每个奉献观测器的输入zi中包含了除第i个传感器以外的其余m-1个可测参数偏离量，因此，按照残差检测的诊断原理，当第i个传感器发生故障后，第i个奉献观测器(滤波器)的估计值与实际测量值接近，而其他输入故障信号的滤波器估计值均与实际测量值存在较大
6.如权利要求1所述的方法，其特征在于，将奉献观测器输出值与传感器测量值之差称为残差，第i个残差ei表示如下：
7.如权利要求1所述的方法，其特征在于，风力发电机润滑冷却系统包括齿轮箱冷却润滑系统。
...【技术特征摘要】
1.一种风力发电机润滑冷却系统传感器故障诊断方法，其特征在于，其包括以下步骤，
2.如权利要求1所述的方法，其特征在于，优选的，步骤1中，风力发电机润滑冷却系统的稳态工况点的m个输入、n个输出的l阶线性系统的状态空间模型为：
3.如权利要求2所述的方法，其特征在于，步骤1中，构造输入输出的hankel矩阵，
4.如权利要求1所述的方法，其特征在于，步骤2中，利用步骤一所辨识出的状态空间方程，构造卡尔曼滤波器，卡尔曼滤波器包含的方程可分为两个方程集：时间更新方程组(用于预测)以及测量更新方程组(用于修正)；
5.如权利要求1所述的方法，其特征在于，步骤3中，状态空间模型利...
【专利技术属性】
技术研发人员：施晓亮，孙若斌，苏宇峰，杨伟，邓晓磊，孟莉，达文刚，盛刚，
申请(专利权)人：新疆华电苇湖梁新能源有限公司，
类型：发明
国别省市：
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。