[发明专利]风力发电机组振动特征提取与差异性判别的方法

说明书

本发明涉及一种风力发电机组振动特征提取与差异性判别的方法，包括以下步骤：数据采集与存储，采集正常振动机组、异常振动机组、需要检验的样本机组运行产生的二维振动数据并存储；二维振动数据向图像灰度转化；二维振动灰度特征提取分析，利用图像识别灰度直方图与灰度共生矩阵两种方法对二维振动转化的图像进行特征提取；通过K‑S检验，确定差异性显著的特征量以及确定样本机组振动是否异常。本发明可以快速识别异常机组振动特征；引用图像识别灰度计算算法，突破依赖频率分析的传统振动分析方法，可以获得更多数据振动特征，适用各类统计分布的特征差异分析判别，因此识别范围更广泛。

技术领域

本发明属于风力发电技术领域，特别是涉及一种风力发电机组振动特征提取与差异性判别的方法。

背景技术

风机振动是风力发电机运行中常见的现象，通过控制振动在安全范围之内、有效保护风机机械部件安全运行。如果风机的振动超标，会引起轴承座或电机轴承的损坏、电机地脚螺栓松动、风机机壳、叶片和风道损坏、电机烧损发热等故障，使风机工作性能降低，甚至导致根本无法工作。严重的可能因振动造成事故，危害人身安全及工作环境，给公司带来较大的经济损失。

所以，如何更好地识别机组在运行过程中存在的振动异常状态，对预防风机因振动异常引起的风机故障、保证风机安全运行至关重要。

发明内容

为解决上述技术问题，本发明提供一种机组振动特征提取和差异性识别方法，使其可以及时发现风电机组在运行过程的异常状态，利于及时采取相关措施减小损失。本发明所采用的技术方案如下：

风力发电机组振动特征提取与差异性判别的方法，包括以下步骤：

步骤1、数据采集，采集正常振动机组、异常振动机组、需要检验的样本机组运行产生的二维振动数据；

步骤2、数据存储，将步骤1采集的数据进行存储；

步骤3、判断数据采集周期是否结束，如果是、转下一步，如果否、转步骤1；

步骤4、二维振动数据向图像灰度转化；

步骤5、二维振动数据的灰度特征提取分析；

步骤6、通过K-S检验，确定差异性显著的特征量以及确定样本机组振动是否异常；

步骤7、输出差异性判别结果。

优选地，步骤2所述的数据存储的具体方法是：获取风力发电机组的二维振动数据并通过以太网方式利用104通信规约传输至数据中心进行存储。

优选地，所述的风力发电机组的二维振动数据采集频率需要在0.2Hz至1Hz，振动方向分别为机组驱动方向与与之垂直的非驱动方向，即振动X方向、Y方向，并且采集到的数据两振动量时间戳一致。

优选地，步骤4所述的二维振动数据向图像灰度转化的具体方法是：通过对X、Y坐标进行分割，每一分割范围为一个边长为a的正方形，定义为像素点；计算正方形内样本数量，并对整个坐标系内的所有正方形样本数量进行归一化处理，以此定义像素点灰度；灰度级别是样本量的函数，设定为1至L等级。

优选地，步骤5所述的二维振动数据的灰度特征提取分析的具体方法是：利用图像识别灰度直方图与灰度共生矩阵两种方法对二维振动转化的图像进行特征提取。

优选地，所述的利用图像识别灰度直方图法的具体步骤如下：

根据阶数的不同，常用的灰度直方图特征有均值、方差、偏斜度、峰度，假定图像被量化为L个灰度级，p(i)表示归一化的灰度为i发生概率，计算方法和参数如下：

均值

方差

偏斜度

峰度