[发明专利]一种风力发电机组振动故障诊断方法

权利要求书

1.一种风力发电机组振动故障诊断方法，其特征在于，包括以下步骤：

步骤1，采用振动传感器采集风力发电机组振动故障信号；

步骤2，利用变分模态分解方法对振动信号进行分解，得到包含不同频段信息的IMF分量；

步骤3，计算振动信号经变分模态分解得到的各个IMF分量的能量，并经归一化处理，得到该信号的故障特征向量；

步骤4，利用遗传算法优化支持向量机，构建基于遗传算法优化的支持向量机故障诊断模型；

步骤5，将提取的故障特征向量输入到步骤4建立的诊断模型中进行故障的识别与诊断。

2.根据权利要求1所述的风力发电机组振动故障诊断方法，其特征在于，所述步骤2具体包括以下子步骤：

步骤2.1，估计IMF分量频率带宽的目标，

(1)对每个模态函数u_k(t)进行Hibert变换，得到每个模态函数u_k(t)的解析信号，如式(1)所示：

$\[\mathrm{\δ}\left(t\right)+\frac{j}{\mathrm{\π}t}\]*u_k\left(t\right)---\left(1\right)$

(2)利用指数修正，将每个模态函数的频谱调制到各自估算的中心频率，如式(2)所示：

$\[(\mathrm{\δ}\left(t\right)+\frac{j}{n})*u_k\left(t\right)\]e^{-{\mathrm{jw}}_{k}t}---\left(2\right)$

(3)计算以上解调信号的梯度的平方L²范数，估算出各模态函数的带宽，得到其对应的约束变分问题：

$\underset{\left\{u_k\right\},\left\{w_k\right\}}{\min }\left\{\underset{k=1}{\overset{K}{\Σ}}\right|\left|{\∂}_t\right\{(\mathrm{\δ}\left(t\right)+\frac{j}{\mathrm{\π}t})*u_k\left(t\right)\left\}{e}^{-{\mathrm{jw}}_{k}t}\right|{|}_2^2\}$

$\begin{array}{cc}s.t& \underset{k=1}{\overset{K}{\Σ}}{u}_k\left(t\right)=f\end{array}$

式中，u_k＝{u₁,u₂,…u_K}为各模态函数集；w_k＝{w₁,w₂,…w_K}为各模态中心频率；为对函数求时间t的偏导数；δ_t为单位脉冲函数；j为虚数单位；*表示卷积；

步骤2.2，将上述约束变分问题转化为非约束变分问题，引入增广拉格朗日函数L，如下式所示：

$\begin{array}{c}L\left(\right\{u_k\},\{w_k\},\mathrm{\λ})=\mathrm{\α}\underset{k=1}{\overset{K}{\Σ}}\left|\right|{\∂}_t\left\{\right(\mathrm{\δ}\left(t\right)+\frac{j}{\mathrm{\π}t})*u_k\left(t\right)\}{e}^{-{\mathrm{jw}}_{k}t}|{|}_2^2+||f\left(t\right)-\underset{k=1}{\overset{K}{\Σ}}{u}_k\left(t\right)|{|}_2^2\\ +\<\mathrm{\λ}\left(t\right),\underset{k=1}{\overset{K}{\Σ}}{u}_k\left(t\right)\>\end{array}$

式中，α为带宽参数；λ(t)为拉格朗日乘子；

步骤2.3，采用交替方向乘子算法求取式(2)扩展的拉格朗日函数，得到K个IMF分量。