[发明专利]一种基于双谱熵的风力发电机组故障诊断方法

摘要

本发明涉及一种基于双谱熵的风力发电机组故障诊断方法，其步骤：采集风力发电机组在正常运行状态、轻度故障、中度故障以及重度故障下的振动信号；计算所有振动信号的故障特征带；建立故障疏离度检测模型；采集待检测风力发电机组的振动信号，将待检测振动信号进行故障特征带计算，得到的故障特征输入故障疏离度检测模型中，计算该故障状态与四类故障状态的故障疏离度,得到的最小疏离度即为该风机的故障状态。本发明能有效提取非平稳信号的故障特征，并进行风力发电机组的故障诊断，提高故障诊断的精度，可以广泛在风电机组设备故障诊断中应用。

主权项

1.一种基于双谱熵的风力发电机组故障诊断方法，其特征在于：所述方法包括以下步骤：(1)利用现有数据采集设备采集风力发电机组在正常运行状态、轻度故障、中度故障以及重度故障下的振动信号xw(n)＝{x1,x2,…xN}，其中，N代表每组数据个数，w代表数据组别，w＝1、2、3、4，w＝1代表正常运行状态、w＝2代表轻度故障状态、w＝3代表中度故障状态、w＝4代表重度故障状态；(2)计算所有振动信号xw(n)的故障特征带；所有振动信号xw(n)的故障特征带计算步骤如下：(Ⅰ)计算所有振动信号xw(n)中每组信号的时域幅值，并记录每种状态幅值的下限Mwa、上限Mwb，记为幅值带{Mwa,Mwb}；(Ⅱ)计算所有振动信号xw(n)中每组信号的双谱熵带，并记录每种状态双谱熵值的下限Hwa、上限Hwb，记为双谱熵带{Hwa，Hwb}；双谱熵带计算步骤为：①计算所有振动信号xw(n)中每组信号的双谱；②计算所有振动信号xw(n)中每组振动信号的双谱熵；双谱熵计算步骤为：a)将双谱估计值B(ω1,ω2)的双频域三角形主定义域ω2≥0，ω1≥ω2，2ω1+ω2≤2π外的值全部赋值为0，得到只保留三角形主定义域内的双谱幅值B′(ω1,ω2)；b)计算双频域内所有点双谱幅值的概率P(ω1,ω2)： P ( ω 1 , ω 2 ) = | B ′ ( ω 1 , ω 2 ) | Σ ω 1 = 0 π Σ ω 2 = 0 π | B ′ ( ω 1 , ω 2 ) | ; ]]>c)求双谱熵值： H = - Σ ω 1 = 0 π Σ ω 2 = 0 π P ( ω 1 , ω 2 ) ln P ( ω 1 , ω 2 ) ; ]]>③根据每组振动信号xw(n)的双谱熵值，得到每种状态双谱熵值的下限Hwa、上限Hwb，记为双谱熵带{Hwa，Hwb}；(3)建立故障疏离度检测模型：(Ⅰ)第w类故障状态的第p类故障特征带的范围记为{Awp,Bwp}，其中，Awp表示第w类故障状态的第p类故障特征带的下限值，Bwp表示第w类故障状态的第p类故障特征带的上限值；p表示故障特征带的类型，p＝1,2，p＝1时表示幅值故障特征带，p＝2时表示双谱熵故障特征带；(Ⅱ)待识别故障状态F的故障特征向量记为(C1,C2)；其中，Cp是待识别故障状态F的第p类故障特征值；(Ⅲ)计算待识别故障状态F与第w类故障状态的第p类故障特征带的距离dwp；(Ⅳ)计算待识别故障状态F与第w类故障状态的故障特征带距Dw；(Ⅴ)建立待识别故障状态F与第w类故障状态的疏离度计算公式： T ( F , w ) = D w Σ w = 1 4 D w , ]]>其中，第w类故障状态的疏离度T(F,w)∈[0,1]；(4)采集待检测风力发电机组的振动信号，将待检测振动信号进行步骤(2)的计算，得到的故障特征输入到步骤(3)所建立的故障疏离度检测模型中，计算该故障状态与四类故障状态的故障疏离度T(F,w),得到的最小疏离度即为所述风力发电机组的故障状态。