[发明专利]基于Kriging模型的风力机齿轮箱故障诊断方法

摘要

本发明公开了一种基于Kriging模型的风力机齿轮箱故障诊断方法，其步骤如下：采集风力机齿轮箱在各个工况模式下的多个振动信号序列并计算多个故障信号特征值；建立工况模式、诊断目标值之间的对应关系和样本数据表；依据样本数据表建立变差函数理论模型；基于变差函数理论模型构建Kriging模型；检测待诊断振动信号的故障信号特征值并输入Kriging模型得到Kriging估计量，根据Kriging估计量查询工况模式、诊断目标值之间的对应关系确定待诊断振动信号的工况模式。本发明具有诊断结果快速准确、非线性拟合效果好、使用灵活、计算量小的优点，能够为实现风力机齿轮箱故障在线诊断奠定基础。

主权项

一种基于Kriging模型的风力机齿轮箱故障诊断方法，其特征在于实施步骤如下：1)分别采集风力机齿轮箱在各个工况模式下的多个振动信号序列，所述各个工况模式包括风力机齿轮箱的正常状态、磨损状态和断齿状态；2)分别计算所述振动信号序列的多个故障信号特征值；3)根据各个工况模式下多个振动信号序列对应的故障信号特征值，通过隶属度函数建立工况模式、诊断目标值之间的对应关系和样本数据表，所述样本数据表的每一个表项包括工况模式、多个故障信号特征值、诊断目标值三种类型的数据；4)依据所述样本数据表中的部分或者全部数据，采用最小二乘法进行变差函数理论模型的拟合，得到变差函数理论模型的参数值及变差函数理论模型；5)基于所述变差函数理论模型，按照Kriging方法建立各个故障信号特征值构成的输入向量、诊断目标值之间的近似函数关系得到由Kriging估计量的计算表达式构成的Kriging模型，所述Kriging模型的输入量为待诊断振动信号对应的各个故障信号特征值构成的输入向量，所述Kriging模型的输出量为与诊断目标值对应Kriging估计量；6)检测风力机齿轮箱在工作状态下的待诊断振动信号，计算所述待诊断振动信号的各个故障信号特征值，将所述待诊断振动信号的各个故障信号特征值构成的输入向量输入所述Kriging模型，得到Kriging模型输出的Kriging估计量，根据所述Kriging估计量查询所述工况模式、诊断目标值之间的对应关系，从而确定待诊断振动信号对应的工况模式。