[发明专利]一种基于改进的隐马尔可夫模型的变桨轴承故障识别方法

权利要求书

1.一种基于改进的隐马尔可夫模型的变桨轴承故障识别方法，其特征在于，该方法的步骤如下：

步骤1：离线建模，采集训练样本集数据，用采集到的训练集数据训练隐马尔可夫模型；

步骤2：利用训练好的隐马尔可夫模型计算用于识别未知故障的阈值；

步骤3：在线识别，对于在线采集的测试数据，作为监测样本，计算测试数据后验概率方差；

步骤4：将计算测试数据后验概率方差与阈值进行比较，判断变桨轴承故障类型。

2.根据权利要求1所述一种基于改进的隐马尔可夫模型的变桨轴承故障识别方法，其特征在于，所述的离线建模过程如下：

步骤101：假设风电机组运行过程中采集的训练样本集数据构成X＝[x₁，x₂，L，x_n]^T∈R^n×m，其中m表示监控变量的个数，n表示样本个数，x_i∈R^m，i表示第i个样本，i＝1，L，n；

步骤102：将训练集数据作为隐马尔可夫模型的观测序列O，训练隐马尔可夫模型，得到其模型参数λ＝(A,B,π,M,N)，其中：

A是隐含状态转移概率矩阵,描述隐马尔可夫模型中各个状态之间的转移概率；

B是观测值概率密度矩阵；

π是初始状态概率矩阵；

M是每个隐含状态下的高斯混合成分的数目；

N是隐含状态的数目，这里隐含状态的数目就是训练样本集中所有工况的数目。

3.根据权利要求1所述一种基于改进的隐马尔可夫模型的变桨轴承故障识别方法，其特征在于，所述利用训练好的隐马尔可夫模型计算用于识别未知故障的阈值过程包括，

步骤201：计算所有训练样本的后验概率的方差

步骤202：取最小的后验概率的方差作为阈值阈值表达式为：

4.根据权利要求2所述的一种基于改进的隐马尔可夫模型的变桨轴承故障识别方法，其特征在于，阈值含有容忍系数α，容忍系数α的取值范围为0到1之间。阈值表达式为：

5.根据权利要求1所述的一种基于改进的隐马尔可夫模型的变桨轴承故障识别方法，其特征在于，所述在线采集风力发电机组运行过程的数据包括，风力发电机组正常运行工况数据、变桨轴承故障工况数据和风力发电机组运行期间其变桨系统发生的另一种故障工况数据。

6.根据权利要求1所述的一种基于改进的隐马尔可夫模型的变桨轴承故障识别方法，其特征在于，离线建模，采集训练样本集数据包括，包括风力发电机组正常运行工况数据和变桨轴承故障工况数据。

7.根据权利要求1所述的一种基于改进的隐马尔可夫模型的变桨轴承故障识别方法，其特征在于，所述将其后验概率方差与阈值P_t^*进行比较，对于测试集数据中的样本，如果其后验概率的方差小于阈值P_t^*，则表明在该过程中未知故障出现，若后验概率的方差大于阈值P_t^*，则表明在该过程中位置故障都是已知工况。

8.根据权利要求4所述的一种基于改进的隐马尔可夫模型的变桨轴承故障识别方法，其特征在于，若最新的观测值来自已知工况，则使用Viterbi算法来确定当前样本所对应的工况。

9.根据权利要求1所述的一种基于改进的隐马尔可夫模型的变桨轴承故障识别方法，其特征在于，所述的风力机组发电过程具有动态性。

10.根据根据权利要求1所述的一种基于改进的隐马尔可夫模型的变桨轴承故障识别方法，其特征在于，后验概率的方差可以计算如下：