[发明专利]一种基于阶次谱迁移的风电传动链智能故障诊断方法

权利要求书

1.一种基于阶次谱迁移的风电传动链智能故障诊断方法，其特征在于，包括以下步骤：

第一步：训练阶段，选取源域数据和目标域正常数据训练智能诊断模型；

第二步：训练阶段，通过傅立叶分解算法分离原始振动信号中的窄带共振分量；

第三步：训练阶段，通过希尔伯特阶次变换计算窄带共振分量的包络阶次谱；

第四步：训练阶段，基于特征阶次比和包络阶次谱归一化处理构建故障特征集；

第五步：训练阶段，通过一维卷积神经网络学习故障特征与故障类别之间的映射关系；

第六步：测试阶段，通过傅立叶分解算法和希尔伯特阶次变换提取目标域测试信号的包络阶次谱，并通过特征阶次比和包络阶次谱归一化处理构建目标域故障特征向量；

第七步：测试阶段，通过阶次谱迁移算法将目标域数据的故障特征迁移至源域；

第八步：测试阶段，通过训练好的一维卷积神经网络识别目标域测试数据的故障类别。

2.根据权利要求1所述的基于阶次谱迁移的风电传动链智能故障诊断方法，其特征在于，所述第二步中，傅立叶分解算法包括以下步骤：

S1通过搜索傅立叶谱的极大值点估计自振频率ω_i；

S2在频率范围|ω-ω_i|≥0.1ω_i，i＝1，2，..，N内重复步骤S1直至所有的极大值点均被搜索到，其中N为已搜索到的自振频率点；

S3构建共振带带宽最小化问题：

式中，X_i(ω)为待分离的共振带，其时域信号为x_i(t)；F(ω)为原始振动信号f(t)的傅立叶谱；优化问题的解即为共振带X_i(ω)的解析解：

S4通过傅立叶逆变换将共振带X_i(ω)转换为时域信号x_i(t)。

3.根据权利要求2所述的基于阶次谱迁移的风电传动链智能故障诊断方法，其特征在于，所述第三步中，希尔伯特阶次变换的原理与计算过程为：

假设有一频率调制解析信号y(t)：

其包络阶次谱Y(o)的计算式为：

式中，A为振动幅值；o₁为特征阶次；f_r(t)为瞬时转频；T为信号时间长度；j为虚数单位；

根据等式：

包络阶次谱Y(o)改写为：

即包络阶次谱Y(o)在特征阶次o₁处存在突出的、可用以特征阶次、有效识别的谱线，由此，对于任意时域信号x(t)，其包络阶次谱X_e(o)的希尔伯特阶次变换计算式为：

其中，t为时间，j为虚数单位，τ为积分时间变量，x_e(t)为时域信号x(t)的包络信号，其希尔伯特变换计算式为：

4.根据权利要求3所述的基于阶次谱迁移的风电传动链智能故障诊断方法，其特征在于，所述第四步中，选择特征阶次比最大的共振带分量作为有效分量并通过归一化处理构建故障特征集，特征阶次比反映了共振带与故障的相关程度，其计算式为：

其中，X_e为共振带的包络阶次谱，o_end为阶次范围。

5.根据权利要求4所述的基于阶次谱迁移的风电传动链智能故障诊断方法，其特征在于，所述第六步中，采用与所述第二步中相同的傅立叶分解算法和希尔伯特阶次变换构建目标域故障特征向量。