[发明专利]一种反馈寻优的风机叶片故障监测方法

权利要求书

1.一种反馈寻优的风机叶片故障监测方法，其特征在于，包括以下步骤：

步骤一：构建风机叶片状态监测的数据集；

在步骤一中，数据集由D个样本(X_i,Y_i)够成，其中X_i∈Rⁿ，Y_i∈{-1，+1}，其中，采集风机叶片的运行数据作为特征向量X_i，同时采集风机运行状态标签Y(正常为+1，故障为-1))，并且对每一个特征进行标准化；

步骤二：构建支持向量机模型来分割风机叶片数据的特征空间；

步骤三：对支持向量机模型参数进行优化求解；

具体包括以下优化步骤：

1)设置粒子群算法的迭代步长m，设置粒子数N；

2)设置粒子的初始速度和初始位置其中表示第i个粒子的第j次迭代的速度参数，表示第i个粒子的第j次迭代位置参数，径向基函数的σ∈[0.01,1000]，惩罚系数C∈[0.1,500]，学习因子C₁和C₂为每一次迭代所有粒子速度和位置向量的L²范数的平方和的柯西概率的一定倍数；

3)根据初始化条件，计算目标函数的适应值；

4)根据适应值，循环更新粒子的速度和位置，个体的最优解p_best，群体的最优解g_best，其中第j(0≤j≤m)个粒子第t次(0≤t≤N)迭代的其中第t次(0≤t≤N)迭代的

min()表示最小值；

5)根据终止条件,结束算法寻优过程：达到最大迭代次数或者两代速度和位置的L²范数小于设定值即：||v^(t+1)-v^(t)||≤κ且||x^(t+1)-x^(t)||≤γ，其中κ和γ为精度设定值；

步骤四：对支持向量机模型进行评估。

2.根据权利要求1所述的反馈寻优的风机叶片故障监测方法，其特征在于，所述标准化过程为：

其中μ为X_i特征的样本均值，σ为X_t特征的样本标准差。

3.根据权利要求1所述的反馈寻优的风机叶片故障监测方法，其特征在于，所述运行数据包括风速，发电机转速，环境温度，风向角，偏航位置，水平方向加速度，垂直方向加速度，叶片1、叶片2、叶片3的角度、速度、开关温度，开关直流器的直流电流，舱内温度其中的一种或多种。

4.根据权利要求1所述的反馈寻优的风机叶片故障监测方法，其特征在于：在步骤二中，采用径向基函数构建非线性分割的支持向量机模型来分割风机叶片数据的特征空间。

5.根据权利要求4所述的反馈寻优的风机叶片故障监测方法，其特征在于，所构建的支持向量机模型的分类决策函数为：

其中K(x,y)选择为径向基函数：

α_i的值域是[0，C]，C是惩罚系数，b为偏移量；

sgn为符号函数

具体优化目标函数为：

约束条件为：0≤α_i≤C，i＝1,2,....D

6.根据权利要求5所述的反馈寻优的风机叶片故障监测方法，其特征在于，在步骤三中，利用改进学习因子的粒子群算法优化求解支持向量机模型的α_i，σ参数(i＝1,2,.....,D)。