[发明专利]一种基于保偏光纤测量和神经网络分类的风力发电机故障诊断方法

摘要

本发明涉及一种基于保偏光纤测量和神经网络分类的风力发电机故障诊断方法，引入保偏光纤测量系统获取风力发电机的电流信号，体积小、重量轻、绝缘结构简单、动态范围大、无磁饱和、无爆炸危险、不影响正常输电，可在风力发电机的实际使用过程中直接进行诊断信号测量；并且在具体故障诊断过程中，通过含递归神经网络的卷积神经网络，小波计算和频域计算,获取偏振角度时序的三类特征，并采用单隐含层神经网络实现状态识别。偏振角度可反映电流时序，进而反映风力发电机定子和转子故障，本方法能够提供更丰富的风力发电机故障信息。

主权项

1.一种基于保偏光纤测量和神经网络分类的风力发电机故障诊断方法，其特征在于，包括如下步骤：步骤A.针对风力发电机各指定类型故障工况，以及风力发电机正常工作工况，分别获得各个工况下缠绕在风力发电机电力传输线上保偏光纤测量的偏振角度时间序列；步骤B.采用含时间递归神经网络隐含层的多层卷积神经网络，分别针对各个工况下风力发电机电力传输线上保偏光纤测量的偏振角度时间序列进行时序特征提取，分别获得最内层神经元计算结果，分别作为各个工况下风力发电机的第一类特征量；采用EMD和小波包多层分解方法，分别针对各个工况下风力发电机电力传输线上保偏光纤测量的偏振角度时间序列进行处理，分别获得各个工况下分解结果中含低频信息和中高频信息的各层的均方根，分别作为各个工况下风力发电机的第二类特征量；并且分别针对各个工况下缠绕在风力发电机电力传输线上保偏光纤测量的偏振角度时间序列，将其中预设指定频段的幅值作为对应工况下风力发电机的第三类特征量，从而分别获得各个工况下风力发电机的第三类特征量；步骤C.基于单隐含层的神经网络，结合各个工况下风力发电机的第一类特征量、第二类特征量、第三类特征量，分析获得风力发电机的当前工作状态。