[发明专利]一种基于改进的隐马尔可夫模型的变桨轴承故障识别方法在审
| 申请号： | 201910650675.3 | 申请日： | 2019-07-18 |
| 公开（公告）号： | CN110705581A | 公开（公告）日： | 2020-01-17 |
| 发明（设计）人： | 王琳;陈棋;孙勇;傅凌焜 | 申请（专利权）人： | 浙江运达风电股份有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G01M13/04;G01M13/045 |
| 代理公司： | 33109 杭州杭诚专利事务所有限公司 | 代理人： | 尉伟敏 |
| 地址： | 310006 浙江省杭州市余杭区余*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明考虑到除了已知的故障之外，在风电机组运行过程中未被考虑的未知故障也极有可能发生，公开了一种基于改进的隐马尔可夫模型的风力发电机组变桨轴承故障识别方法，包括离线建模和在线识别，在离线建模步骤中基于隐马尔可夫模型定义了一个阈值统计量，用于未知故障的识别。本发明通过引入一种新的阈值统计量，对风力发电机组变桨轴承故障进行在线识别时，可以极大程度的降低将其他未知故障误识为变桨轴承故障的概率。因此与其它现有的方法相比，由于充分考虑了数据的时序性以及未知故障的发生，本发明方法对于风力发电机组变桨轴承故障识别具有更高的准确率。 | ||
| 搜索关键词： | 变桨轴承 风力发电机组 隐马尔可夫模型 故障识别 离线建模 在线识别 统计量 风电机组 运行过程 时序性 准确率 引入 概率 改进 | ||
【主权项】：
1.一种基于改进的隐马尔可夫模型的变桨轴承故障识别方法，其特征在于，该方法的步骤如下：/n步骤1：离线建模，采集训练样本集数据，用采集到的训练集数据训练隐马尔可夫模型；/n步骤2：利用训练好的隐马尔可夫模型计算用于识别未知故障的阈值；/n步骤3：在线识别，对于在线采集的测试数据，作为监测样本，计算测试数据后验概率方差；/n步骤4：将计算测试数据后验概率方差与阈值进行比较，判断变桨轴承故障类型。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江运达风电股份有限公司，未经浙江运达风电股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910650675.3/，转载请声明来源钻瓜专利网。
