基于孪生模型残差器的风机片损伤识别及故障预测方法技术

本发明专利技术公开了一种应对复杂外部环境变化的风力发电机叶片健康状态实时判别及损坏程度预测的智能故障诊断方法。所述方法包括如下步骤：数据驱动孪生模型的建立，孪生模型残差器生成，基于残差的故障征兆信息提取，智能故障诊断器的训练。在考虑模型不确定性、匹配和非匹配干扰影响下，利用输入‑输出数据建立符合振动状态(模拟外部环境风力载荷)的无故障模砂眼故障模型、裂纹故障以及断裂故障模型，提取基于各类不同故障状态下残差统计特性的故障征兆信息，建立基于专家的故障征兆模糊子集与故障类型的逻辑映射关系，实现在无需预先给出有关模式的经验知识和识别函数的基础上，通过自学习机制自动形成基于孪生模型残差器的风机叶片表面损伤智能健康状态、健康程度监测与预测，提高风机运行可靠性。

【技术实现步骤摘要】

本专利技术涉及风力发电机系统的故障诊断领域，具体来说是一种基于在线数据驱动孪生模型的风力发电机叶片表面损伤识别的智能故障诊断及系统健康监测方法。

技术介绍

1、风力发电机是一种将风能转化为电能的电力设备，是一种环保和可再生能源的形式。叶片作为风力发电机的核心部件之一，除了初期的设计、形状优化、安装安全性等方面影响发电机的风能捕捉效率之外，运行过程中的叶片状态也是影响风电项目经济可行性和回报率的重要因素。因此，定期维护和巡检，及时检测叶片的磨损、裂纹和其他潜在问题，可以帮助提前发现和解决叶片故障，最大化风力发电机的性能和寿命，是加快电网基础设施智能化改造和智能微电网建设的研究热点。

2、实时在线故障诊断及预测技术对风力发电机组的潜在故障和安全隐患具有很好的预测能力，可实现运行风力发电机系统的状态预测和健康管理(prognostics andhealthmanagement，phm)，降低安全隐患，提高风机运行的可靠性。但是，随着风力发电机装机数量的飞速增长，目前的数据监控系统无法满足风电技术发展需求，建立高效的智能故障诊断和预测系统实现在线状态监本文档来自技高网...

【技术保护点】

1.基于孪生模型残差器的风机片损伤识别及故障预测方法，其改进内容为：

2.根据权利要求1所述的方法，在忽略模型非线性、匹配和非匹配干扰的前提下，模拟外部风力载荷对风机叶片进行激励，获得系统加速度输出响应，利用带遗忘因子的最小二乘法建立符合系统特性的二阶线性模型，被忽略的系统特性作为实时信号生成残差器，利用各种不同故障状态下关于残差的数字特征，进一步提取故障征兆信息。

3.权利要求2所述的方法，利用模糊算子近似描述模糊化的故障类型模糊子集和故障征兆模糊子集间的模糊逻辑关系。利用基于风力发电机叶片系统的故障类别数据库中模糊逻辑诊断机制的模糊语言变量：

【技术特征摘要】

1.基于孪生模型残差器的风机片损伤识别及故障预测方法，其改进内容为：

2.根据权利要求1所述的方法，在忽略模型非线性、匹配和非匹配干扰的前提下，模拟外部风力载荷对风机叶片进行激励，获得系统加速度输出响应，利用带遗忘因子的最小二乘法建立符合系统特性的二阶线性模型，被忽略的系统特...

【专利技术属性】
技术研发人员：杨文威，杨迦迤，孙伟卿，曹庆梅，刘帅帅，杨静珍，
申请(专利权)人：上海嘉柒智能科技有限公司，
类型：发明
国别省市：