[发明专利]风机偏航系统的故障诊断识别方法

说明书

本发明公开了一种本发明的风机偏航系统的故障诊断识别方法，包括以下步骤：数据采集，采集风机设备的运行数据；故障图像，以移动窗的方式提取故障数据片段，按照规则映射成为图像数据，并分析特征；图像识别，基于TensorFlow技术，分析提取故障图像特征，通过对故障图像特征的训练，将故障图像特征进行聚类、分类的算法分析，并对每个故障图像特征分别标记故障label进行类别赋予，建立故障图像库；比较分析，将流入的实时数据经故障图像处理后，匹配故障图像库，输出故障类别或是风电设备运行状态。本发明降低了直接对数据进行预处理而造成信息丢失的风险，提高了故障识别率，同时也十分形象生动的进行了可视化展示。

技术领域

本发明涉及风机系统的技术领域，具体涉及一种风机偏航系统的故障诊断识别方法。

背景技术

随着工业互联网的发展和数据量的激增，目前在风电设备故障诊断领域进行数据挖掘、故障分析时遇到了不少难题，例如数据量大、算法运行效率低、结果可解释性差等的问题，而为了解决以上问题仅从数值分析这一单一角度考虑难以满足风电设备故障诊断、预警的商用需求。

鉴于以上内容，在风电设备故障诊断领域需要一种利用数据转换与图像识别进行故障诊断识别的方法，可高效率对scada(Supervisory Control And Data Acquisition，数据采集与监视控制)数据流进行分析、诊断。

发明内容

本发明就是为了解决上述的技术问题，而提供一种基于TensorFlow（人工智能学习系统）图像识别的技术、实现对故障画像分析诊断的风机偏航系统的故障诊断识别方法。

本发明是按照以下技术方案实现的：

本发明的风机偏航系统的故障诊断识别方法，包括以下步骤：

数据采集，采集风机设备的运行数据；

故障图像，以移动窗的方式提取故障数据片段，按照规则映射成为图像数据，并分析特征；

图像识别，分析提取故障图像特征，通过对故障图像特征的训练，将故障图像特征进行聚类、分类的算法分析，并对每个故障图像特征分别标记故障label进行类别赋予，建立故障图像库；

比较分析，将流入的实时数据经故障图像处理后，匹配故障图像库，输出故障类别或是风电设备运行状态。

所述的风机设备的运行数据包括风机运行的scada数据与plc故障日志数据。

所述的故障图像以移动窗的方式截取故障数据片段，待数据恢复正常时，停止截取故障数据片段，每个故障数据片段中的多个字段均通过故障图像规则转化为具有色带的图像数据，多个故障数据片段形成一组监控数据。

所述的故障图像规则包括将多个字段排列为矩阵，每个字段分别进行颜色标注，形成具有色带的图像数据。

所述的色带颜色深为故障级别高，色带颜色浅为故障级别低，色带颜色持续的长短为故障持续的时间。

所述的故障图像特征通过全卷积网络提取故障图像特征并进行聚类、分类，故障图像特征还通过全连接条件随机场和马尔科夫随机场进行训练。

所述的将流入的实时数据通过故障图像的规则转换成实时图像数据，提取特征，比较实时图像数据与故障图像库的图像数据是否相似，若相似，则输出实时图像数据的类别；若否，则定义实时图像数据的故障特征与类别，并存储至故障图像库。

本发明具有的优点和积极效果是：

本发明的故障诊断识别方法从图像识别的角度展开对故障数据的分析，将故障数据片段映射为图像数据，将处理数据的问题转变为故障识别的问题，降低了直接对数据进行预处理而造成信息丢失的风险，提高了风机偏航系统的故障识别率，同时也十分形象生动的进行了可视化展示。

附图说明