[发明专利]一种叶根螺栓断裂故障检测方法及介质

说明书

本发明公开了一种叶根螺栓断裂故障检测方法，包括：S01、选择多个特征进行预处理，将描述叶片运行状态的三个变量采用均值‑方差标准化后求和作为输出；S02、使用未发生过螺栓断裂故障的数据训练LSTM正常模型；使用螺栓发生断裂故障发生前的数据训练LSTM故障模型；将S01的数据投入至LSTM正常和故障模型，提取误差向量特征；S03、将误差向量特征代入至随机森林算法训练随机森林模型；再将风机运行数据代入至随机森林模型进行故障诊断。本发明还公开了一种计算机可读存储介质，其上储存有计算机程序，该程序被处理器执行时实现如上所述的方法。本发明的检测方法及介质具有自动化程度高、检测准确率高以及降低成本等优点。

技术领域

本发明主要涉及风电技术领域，特指一种叶根螺栓断裂故障检测方法及介质。

背景技术

风电对于缓解能源供应、改善能源结结构、保护环境等方面意义重大。这些年，风电机组在我国得到了广泛的安装使用。由于风力发电机组通常处于野外，环境条件恶劣，容易出现故障，维修起来耗费大量人力物力，对风机的可靠性要求越来越高。因此对风力发电机组常见故障机理进行分析研究，对保证风力发电机组安全运行，预防故障发生，减少故障发生率，提高风力发电机组运行的可靠性有重大的实际意义。

螺栓连接是风力发电机组装配中的重要装配方式，几乎涉及到风力发电机组的所有部件。因此，螺栓的选用和强度校核是风力发电机组可靠性的重要保证。目前人们主要通过利用有限元软件分析和科学计算两种途径来对螺栓的可靠性进行设计和校核。

风力发电机中的高强度螺栓主要起到连接、紧固及提供抵抗外载的预紧力的作用，叶片螺栓作为连接风机叶片和轮毂两大关键部件，一般都采用10.9级的高强度螺栓，其重要程度不言而喻。如果不能有限保证每个环节的质量，则有可能造成严重的事故。引起螺栓失效的原因主要有以下几个方面：一、螺栓本身质量不合格，不能满足标准或技术规范要求；二、使用不当，主要包括过载、安装不合格等；三、元件老化等。

由于叶根螺栓位置并未安装传感器，一旦发生断裂，系统无法对该故障进行实时的警报。只有当叶根螺栓断裂后触发其他警报风场的业务人员才能够得到故障信息。因此，对叶根螺栓断裂故障的检测能够满足风场业务人员设备健康监控需求，提前获知故障状态，及时检修，避免因延误修理而造成重大事故。

目前对叶根螺栓故障的提前检测尚无较好的方法，一般是通过人工定检，或发生断裂后，通过对断裂的螺栓进行外观检查，对断口进行宏观、微观分析，化学成分分析，金相组织检查，力学性能及硬度检测及疲劳试验等。在理化试验的基础上，运用微观断裂机理对螺栓的断裂原因进行分析，确定其断裂形式为疲劳断裂或其他异常。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种自动化程度以及准确率高的叶根螺栓断裂故障检测方法及介质。

为解决上述技术问题，本发明提出的技术方案为：

一种叶根螺栓断裂故障检测方法，包括以下步骤：

S01、选择风电机组多个特征作为输入进行预处理，将描述叶片运行状态的三个变量采用均值-方差标准化后求和作为输出，其中三个变量分别为叶片变桨角度、叶片变桨速度和叶片变桨电机电流值；

S02、使用未发生过叶根螺栓断裂故障的数据训练LSTM正常模型；使用叶根螺栓发生断裂故障的风电机组在故障发生前的数据训练LSTM故障模型；将步骤S01输出的数据投入至LSTM正常模型和LSTM故障模型，提取误差向量特征；

S03、将误差向量特征代入至随机森林算法，以是否为故障时间段的数据做标签，训练随机森林模型；再将风电组运行数据代入至随机森林模型进行故障诊断。

作为上述技术方案的进一步改进：