[发明专利]基于神经网络风力发电机组典型传动故障智能诊断方法

权利要求书

1.基于神经网络风力发电机组典型传动故障智能诊断方法，其特征在于，该诊断方法包括如下步骤：

1)对风力发电机组相关组件进行监控得到监控信息，并将监控信息按照监控变量进行分类或依据所选择的监控变量筛选与其对应的监控信息；

2)根据一种或多种所述监控信息对所述相关组件进行工况识别；

3)根据监控信息与识别的工况，确定相匹配的故障诊断模型，所述相匹配的故障诊断模型包括：谐振故障诊断模型、主传动轴故障诊断模型、齿轮故障诊断模型或轴承损坏诊断模型的一种或多种；

4)将所述监控信息的数据进行数据处理，转换为便于所述故障诊断模型能够识别的数据；

5)对所述转换后的数据包含的典型特征进行特征提取；

6)对特征提取后的典型特征信息进行特征数据归一化处理，即：

式中，N为正整数；a_i表示第i个特征信息的特征值；b_i表示第i个特征信息归一化后特征值；

7)传动故障智能模式识别,将归一处理后的典型特征信息进行故障模式识别；

8)根据典型特征信息评估值信息，衡量故障的严重程度，即

式中N为正整数；a_i表示第i个特征信息的特征值；ω_i表示第i个特征信息的加权系数；F表示故障程度定量评估计算值；

9)故障程度归一化处理，得到不同类型的故障相应的归一化评估结果，即：

式中i为正整数；F_i表示针对特定故障的第i次故障程度评估计算值；F_min表示针对特定故障的故障程度评估计算值理论最小值；F_max表示针对特定故障的故障程度评估计算值理论最大值；η表示故障程度归一化非线性校正系数，其表示为F_i的非线性的函数。

2.根据权利要求1所述的基于神经网络风力发电机组典型传动故障智能诊断方法，其特征在于，所述监控信息包括转速信息、振动信息、温度信息、压力信息、应力信息、载荷信息、音频信息或上述信息中的一种或多种。

3.根据权利要求1所述的基于神经网络风力发电机组典型传动故障智能诊断方法，其特征在于，所述步骤4)中的数据处理包括对特定频域的信号滤波、数学统计、傅里叶变换或者上述方法中的一种或多种。

4.根据权利要求1所述的基于神经网络风力发电机组典型传动故障智能诊断方法，其特征在于，对所述转换后的数据所包含的典型特征采用神经网络模型进行故障识别。

5.根据权利要求4所述的基于神经网络风力发电机组典型传动故障智能诊断方法，其特征在于，所述神经网络模型采用反向传播学习网络或者双层网络结构。