[发明专利]基于倾角传感器信息的风电塔筒倾覆智能诊断方法

权利要求书

1.一种基于倾角传感器信息的风电塔筒倾覆智能诊断方法，其特征在于，具体按以下步骤进行：

1）利用分别安装在塔筒顶端和底座法兰平面上的倾角传感器实时采集塔筒倾斜数据和塔筒基础沉降数据，并将采集到的数据传输给远程监测平台进行预处理，得到塔筒基础沉降数据集{a_x,a_y}与塔筒倾斜数据集{b_x,b_y}；

2）根据公式提取固定时间段内倾角数据集{a_x,a_y,b_x,b_y}的中的能量特征e_h，得到风机倾斜能量特征集合e=[e₁,e₂,…,e_n]^T；

式中，h为固定时间段，E()表示求取期望；

3）利用步骤2）中得到的风机倾斜能量特征集合e建立模型训练数据集和测试数据集；其中，x_i=[e_i-m,e_i-m+1,…,e_i]^T，y_i=e_i+k；

式中，t为训练集长度，l是测试集长度，m为嵌入维数，k表示预测步数；

4）根据公式y_i=f(x_i)+ξ_i构建基于高斯过程的核自适应滤波模型；

式中，f(x_i)～GP(μ, Σ)表示符合均值向量为μ、协方差矩阵为Σ的高斯过程，表示均值为零、方差为的高斯噪声；

将训练集输入该基于高斯过程的核自适应滤波模型中，根据公式(3)计算模型预测的后验分布；

式中，为后验分布的均值，表示后验分布的方差，其中k_j=[k(x₁,x_j),k(x₂,x_j),…,k(x_t,x_j)]^T，K_t=[k₁,k₂,…,k_t]，y_t=[y₁,y₂,…,y_t]^T，GP表示高斯过程，每一个高斯过程完全由均值向量μ和协方差矩阵Σ共同决定，为关于噪声方差的先验信息；

5）将遗忘因子λ∈(0,1]引入步骤4）构建的基于高斯过程的核自适应滤波模型中，并根据公式(4)构建实时核自适应滤波模型；

6）将测试集D_test输入步骤5）构建的实时核自适应滤波模型中，得出任意k步的数据预测结果；

7）利用残差分析定量评估模型预测精准度。