[发明专利]基于神经网络风力发电机组典型传动故障智能诊断方法

摘要

本发明涉及一种基于神经网络风力发电机组典型传动故障智能诊断方法。该方法通过对风力发电机组传动系统状态监控信息进行数据处理及特征提取，基于神经网络聚类技术，根据故障典型特征信息智能实现故障诊断识别，并对故障严重程度进行量化评估，有效的实现了风力发电机组传动系统故障诊断自动化，极大的提升了风电场运营维护效率。

主权项

基于神经网络风力发电机组典型传动故障智能诊断方法，其特征在于，该诊断方法包括如下步骤：1)对风力发电机组相关组件进行监控得到监控信息，并将监控信息按照监控变量进行分类或依据所选择的监控变量筛选与其对应的监控信息；2)根据一种或多种所述监控信息对所述相关组件进行工况识别；3)根据监控信息与识别的工况，确定相匹配的故障诊断模型，所述相匹配的故障诊断模型包括：谐振故障诊断模型、主传动轴故障诊断模型、齿轮故障诊断模型或轴承损坏诊断模型的一种或多种；4)将所述监控信息的数据进行数据处理，转换为便于所述故障诊断模型能够识别的数据；5)对所述转换后的数据包含的典型特征进行特征提取；6)对特征提取后的典型特征信息进行特征数据归一化处理，即：式中，N为正整数；ai表示第i个特征信息的特征值；bi表示第i个特征信息归一化后特征值；7)传动故障智能模式识别,将归一处理后的典型特征信息进行故障模式识别；8)根据典型特征信息评估值信息，衡量故障的严重程度，即式中N为正整数；ai表示第i个特征信息的特征值；ωi表示第i个特征信息的加权系数；F表示故障程度定量评估计算值；9)故障程度归一化处理，得到不同类型的故障相应的归一化评估结果，即：式中i为正整数；Fi表示针对特定故障的第i次故障程度评估计算值；Fmin表示针对特定故障的故障程度评估计算值理论最小值；Fmax表示针对特定故障的故障程度评估计算值理论最大值；η表示故障程度归一化非线性校正系数，其表示为Fi的非线性的函数。