[发明专利]一种发电机转子故障诊断方法及装置

说明书

技术领域

本发明涉及机器分类技术领域，更具体地说，涉及一种发电机转子故障诊断方法及装置。

背景技术

为了避免风力发电机故障带来的伤害，就必须对转子的运行状况时时刻刻进行监视，尽量能够在故障发生之前作出判断，减少损失。

由于制造、安装、运行等原因，发电机定转子之间的气隙将或多或少存在不均匀的状况，此种状况被称之为气隙偏心。然而最常引起故障的原因是，由于风力发电机长时间运行会导致电机轴承变形，从而造成转子与定子之间气隙不匀出现气隙偏心故障，也即转子偏心故障。目前风力发电机转子故障诊断通常有这么两种诊断方法：(1)当发电机发生转子偏心故障时，永磁发电机的气隙径向磁密发生变化且转子会发出异常的震动，通过检测这些信号的变化，进而对这些信号作相应的处理，与转子正常运行时的发电机磁密比较，来判定是否发生了转子偏心故障；(2)通过测量定子电流，然后将电流通过小波包分解与重构，通过对重构后的电流信号作FFT(快速傅里叶变换)得到不同次谐波的电流幅值，通过比较转子正常运行状态与转子偏心状态不同次谐波幅值变化的大小得到永磁同步电机发生转子偏心故障的特征频率。其中，第(1)种方法通常是由工作人员实现的，该方法需要工作人员知道很多机械的专业知识对物理模型进行分析，并且对采集到的数据进行大量 的分析，所以此方法发可行性较差。第(2)种方法由于对故障特征频率的求解需要做大量的计算和对比，因此效率不高。

综上所述，如何提供一种效率高且可行性强的技术方案，是目前本领域技术人员亟待解决的问题。

发明内容

本发明的目的是提供一种发电机转子故障诊断方法及装置，以达到效率高且可行性强的目的。

为了实现上述目的，本发明提供如下技术方案：

一种发电机转子故障诊断方法，包括：

获取多组训练数据及每组所述训练数据对应的转子状态信息；

利用多组训练数据及每组训练数据对应的转子状态信息训练分类器；

获取实时采集的测试数据，将所述测试数据输入所述分类器，得到与所述测试数据对应的转子状态信息；

其中，每组所述训练数据及测试数据均包括对应时刻发电机的定子电流信号、转子震动信号及磁场密度信号，所述转子状态信息为表明对应时刻所述发电机是否发生转子偏心故障的信息。

优选的，利用多组训练数据及每组训练数据对应的转子状态信息训练分类器，包括：

将多组训练数据及每组训练数据对应的转子状态信息输入预先获取的支持向量机模型进行训练，得到对应的分类器。

优选的，将多组训练数据及每组训练数据对应的转子状态信息输入支持向量机模型进行训练之前，还包括：

利用混沌粒子群算法及SMO高效算法优化所述支持向量机模型中包含的对应模型参数。

优选的，获取训练数据及测试数据之后，还包括：

利用小波包分析变换对所述训练数据及测试数据中包含的定子电流信号进行分解重构，并利用分解重构得到的信号对应执行所述训练分类器的步骤或所述将所述测试数据输入所述分类器的步骤。

优选的，获取训练数据及测试数据之后，还包括：

对所述训练数据及测试数据中包含的转子震动信号及磁场密度信号进行归一化处理及放大处理，并利用处理得到的信号对应执行所述训练分类器的步骤或所述将所述测试数据输入所述分类器的步骤。

一种发电机转子故障诊断装置，包括：

获取模块，用于：获取多组训练数据及每组所述训练数据对应的转子状态信息；

训练模块，用于：利用多组训练数据及每组训练数据对应的转子状态信息训练分类器；

测试模块，用于：获取实时采集的测试数据，将所述测试数据输入所述分类器，得到与所述测试数据对应的转子状态信息；其中，每组所述训练数据及测试数据均包括对应时刻发电机的定子电流信号、转子震动信号及磁场密度信号，所述转子状态信息为表明对应时刻所述发电机是否发生转子偏心故障的信息。

优选的，所述训练模块包括：

训练单元，用于：将多组训练数据及每组训练数据对应的转子状态信息输入预先获取的支持向量机模型进行训练，得到对应的分类器。

优选的，还包括：

优化模块，用于：将多组训练数据及每组训练数据对应的转子状态信息输入支持向量机模型进行训练之前，利用混沌粒子群算法及SMO高效算法优化所述支持向量机模型中包含的对应模型参数。

优选的，还包括：