[发明专利]一种基于风电齿轮箱监测系统的故障诊断方法

权利要求书

1.一种基于风电齿轮箱监测系统的故障诊断方法，其特征在于，

所示风电齿轮箱监测系统，包括：风电齿轮箱、多个压电式加速度传感器、ARM模块、AD采集模块、光纤环网模块、中控服务器；

所述ARM模块与所述多个压电式加速度传感器依次连接；

所述的ARM模块、AD采集模块、光纤环网模块、中控服务器依次连接；

所述压电式加速度传感器通过磁吸附的方式固定在所述风电齿轮箱的特定位置处；

所述压电式加速度传感器用于实时采集振动信号，并传输至所述AD采集模块；

所述AD采集模块用于多路信号转换和调理，并传输至所述ARM模块；

所述ARM模块将实时采集的振动信号通过所述光纤环网模块传输至所述中控服务器；

所述中控服务器根据实时采集的振动信号通过所述故障诊断方法进行诊断，得到风电齿轮箱的故障类型；

所述故障诊断方法，包括以下步骤：

步骤1：定义实时采集的振动信号；

步骤2，对实时采集的振动信号进行连续小波变换得到每个传感器的小波变换系数集，对每个传感器的小波变换系数集进行标准化、灰度化处理得到每个传感器的对应的原始灰度图样本集；

步骤3，在所述原始灰度图样本集中随机抽取多个样本构建原始样本输入集A_i`，结合所述原始样本输入集中灰度图样本的数量生成多个高斯随机噪声构建高斯随机噪声数据集Z_i，将所述高斯随机噪声数据集中每个高斯随机噪声输入生成器G中生成对应的高斯随机噪声灰度图样本，以构建生成样本输入集B_i；

步骤4，将步骤3所述原始样本输入集A_i`与步骤3所述生成样本输入集B_i同时输入判别器进行判断，当判别器误差L(D)达到最大时，固定训练好的所述判别器参数，通过随机梯度来最小化生成器的损失函数；

步骤5，重复步骤3-4，直至所述生成器和所述判别器的结果达到平衡，结束训练过程，输出增强样本集；

步骤6，将K个所述振动信号处理得到的所述增强样本集中在同一时间段的数据样本第i个传感器的输出增强样本集在第j个时间段的生成样本图C_1,j,C_2,j，…，C_K,j并列放置，卷积核为一个数字矩阵，相当于一个滤波器组，与卷积核进行卷积运算，用ReLU激活函数对每次卷积的逻辑输出值进行非线性变换，经过池化层，得到第j个时间段生成样本图的融合数据样本多次迭代后构建融合数据样本集X＝{X₁,X₂,X₃,…X_J}，其中，J为时间样本长度；使用Batch Normalization对所述融合数据样本集进行批量归一化，以加快模型的训练时间，并使用Dropout防止过拟合；

步骤7，将所述融合数据样本集X中对应的H类不同故障对应的所述融合数据样本分别贴上标签Y_h，构成深度残差网络训练集；

步骤8，将所述深度残差网络训练集每个样本依次输入残差神经网络，预测得到深度残差网络训练集每个样本对应的预测故障类别，将深度残差网络训练集每个样本对应的预测故障类别结合步骤7中所述的每个样本对应的标签构建均方误差损失函数，通过梯度下降算法训练得到训练后残差神经网络。

2.根据权利要求1所述的基于风电齿轮箱监测系统的故障诊断方法，其特征在于，

步骤1所述定义实时采集的振动信号，具体为：

a_i(t)，i∈[1,K]

其中，a_i(t)表示第i个传感器在t时刻采集得到的振动信号；K为压电式加速度传感器的数量。