[发明专利]一种风电滑环退化状态在线追踪预测方法

说明书

本发明公开了一种风电滑环退化状态在线追踪预测方法，选用多个传感器对退化状态进行信息收集，并在重构后通过主成分分析法构件健康指标，采用窗口滑动的方式根据健康指标对滑环的退化状态进行追踪预测，并能够及时发出故障预警；本方案预测精度高，采用了包含半径和均方根来构件健康指标，其所反映的退化过程更加清楚有效，整体提高了工作效率，降低了故障率。

技术领域

本发明涉及风电变桨滑环检修方法，具体涉及一种风电滑环退化状态在线追踪预测方法。

背景技术

在风电变桨滑环系统中，滑环与电刷之间的导电性能和摩擦性能决定了整个系统的可靠性。当滑环退化到一定程度后，接触元件的性能将达到失效的极限值，在这样的环境下，极容易导致整个发电系统发生紊乱，造成严重事故发生。

公开号为CN104865472B的专利《风电滑环检测系统及其检测方法》，采用上位机系统，配合硬件来代替受主观影响大的人工检测方法，提高了检测效率。然而，该方法只是依赖于传统的机械检测，无法进行数据采集、分析以及预测等等工作，在检测效率上仍旧存在局限性，且精度不高。

发明内容

发明目的：本发明的目的是提供一种能够良好反映滑环的退化过程，从而进行追踪预测的风电滑环退化状态在线追踪预测方法。

技术方案：本发明所述的一种风电滑环退化状态在线追踪预测方法，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。

通过上述技术方案，采用多个传感器对滑环的工作状况、退化信息进行全面收集，根据收集得到的信息进行处理得到通过包含半径和均方根构件的健康指标，该健康指标可以清楚、明确地反映滑环的退化过程，由此实现了对滑环退化的在线追踪预测。

优选的，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，由此能够在控制成本的前提下实现对风电滑环工作状况退化信息的收集。

优选的，在步骤(1)中，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，这样可以保证在需要信息融合的极端数据的长度相等。

优选的，上述传感器的采样频率在20kHz～30kHz内，在该范围内收集得到的信息进行处理后得到的健康指标更有效。

优选的，在步骤(2)中，通过数值最优算法重构原始信号。