[发明专利]一种风电滑环退化状态在线追踪预测方法

权利要求书

1.一种风电滑环退化状态在线追踪预测方法，其特征在于，包括以下步骤：

(1)选用振动传感器、扭矩传感器、电流传感器和电压传感器对滑环的退化信号进行实时收集，同时利用压缩感知的方式进行压缩采样；

(2)将压缩采样后得到的数据传输到数据采集系统中，并重构出原始信号；

(3)对采集的扭矩信号进行处理得到摩擦系数信号，对采集的电流和电压信号处理后得到电阻信号，获取预期的数据集后，对振动信号、摩擦系数信号与电阻信号进行小波去噪处理；

(4)选用混沌参数包含半径和统计参数均方根对风电滑环的退化过程进行特征提取，其中混沌参数包含半径为包含所有相点的最小超球面半径ε，计算该包含半径的具体步骤为，将测量的摩擦信号重构到高维相空间中，对一系列ε分别计算器关联积分C(ε)，在绘制LogC(ε)-Logε曲线后，确定封闭区域，随后在LogC(ε)稳定在0时，确定分别区域左端点的横坐标，该横坐标即为包含半径的对数，由此得到包含半径；

(5)通过主成分分析法将提取的各个特征参数进行降维处理，并将处理后得到的第一主成分作为滑环各环路的健康指标；

(6)建立基于长短期记忆神经网络的退化预测模型；

(7)将健康指标进行窗口划分，以窗口滑动的方式，实现滑环的退化状态在线追踪预测；

(8)将当前健康指标和预测值与之前的健康指标进行对比，若健康指标预测值的上升趋势较为明显，则触发故障预警，反之则滑环的健康状态良好。

2.根据权利要求1所述的风电滑环退化状态在线追踪预测方法，其特征在于，在步骤(1)中，在风电滑环上安装一个振动传感器和一个扭矩传感器，并在每个环路内以串联的方式接入一个电流传感器、以并联的方式接入一个电压传感器。

3.根据权利要求1所述的风电滑环退化状态在线追踪预测方法，其特征在于，在步骤(1)中，所述的振动传感器、扭矩传感器、电流传感器和电压传感器的采样频率相同。

4.根据权利要求3所述的风电滑环退化状态在线追踪预测方法，其特征在于，在步骤(1)中，所述的振动传感器、扭矩传感器、电流传感器和电压传感器的采样频率在20kHz～30kHz范围内。

5.根据权利要求1所述的风电滑环退化状态在线追踪预测方法，其特征在于，在步骤(2)中，通过数值最优算法重构原始信号。

6.根据权利要求1所述的风电滑环退化状态在线追踪预测方法，其特征在于，在步骤(6)中，采用粒子群优化算法对模型的参数进行优化。

7.根据权利要求1所述的风电滑环退化状态在线追踪预测方法，其特征在于，在步骤(7)中，窗口滑动的方式具体为，将每个窗口对应一个健康指标值，对于当前时间的窗口，将其前一段的窗口数据输入模型进行训练后，便可预测下一段窗口数据的变化趋势，随着时间推移到下一个窗口时，重复上述步骤。

8.根据权利要求1所述的风电滑环退化状态在线追踪预测方法，其特征在于，在步骤(8)中，风电滑环中一个环路发出故障预警，就判定为整个滑环发生故障预警。