一種環(huán)境因素對(duì)風(fēng)電設(shè)備故障演化程度影響的評(píng)估方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種環(huán)境因素對(duì)風(fēng)電設(shè)備故障演化程度影響的評(píng)估方法，特別是涉及一種基于最小二乘-隱式半馬爾科夫的環(huán)境因素對(duì)風(fēng)電設(shè)備故障演化程度影響的評(píng)估方法。
【背景技術(shù)】
[0002]我國(guó)風(fēng)電已進(jìn)入了規(guī)模發(fā)展的新階段，成為繼歐洲、美國(guó)和印度之后的全球主要風(fēng)電市場(chǎng)之一。但是隨著風(fēng)場(chǎng)的相繼開發(fā)，風(fēng)電設(shè)備的建立，剛剛崛起的中國(guó)風(fēng)電設(shè)備還面臨著許多挑戰(zhàn)，現(xiàn)階段風(fēng)電裝備故障頻出，故障原因復(fù)雜且不明晰成為亟待解決的問(wèn)題。我國(guó)風(fēng)電行業(yè)起步較晚，對(duì)風(fēng)電機(jī)組故障的研宄主要集中在對(duì)具體故障的分析方法的研宄，而對(duì)于風(fēng)電設(shè)備故障機(jī)理的研宄較少。然而設(shè)備的故障和事故都不是偶然發(fā)生的，都有一個(gè)由量變到質(zhì)變的發(fā)展過(guò)程。任何一種設(shè)備從制造、出廠、使用直到報(bào)廢，從外部環(huán)境到內(nèi)部機(jī)理，都是在不斷變化的，風(fēng)電設(shè)備也不例外。風(fēng)電設(shè)備在運(yùn)行過(guò)程中，內(nèi)部的零部件必然受到機(jī)械應(yīng)力、化學(xué)應(yīng)力、熱應(yīng)力及電氣應(yīng)力等多種物理作用，隨著時(shí)間的推移，這種物理作用的積累將使設(shè)備的正常運(yùn)行狀態(tài)發(fā)生變化，而產(chǎn)生異常、故障或劣化，最終可能造成設(shè)備事故。實(shí)際上，有一些故障是可以通過(guò)狀態(tài)監(jiān)測(cè)早期發(fā)現(xiàn)的，因?yàn)檫\(yùn)行中的風(fēng)機(jī)故障通常會(huì)經(jīng)歷從萌芽到發(fā)展、從輕微到嚴(yán)重的漸變演化過(guò)程。故障產(chǎn)生后，特征參數(shù)的變化也要經(jīng)歷由不明顯到明顯的過(guò)程。然而設(shè)備的故障模式和故障機(jī)理并不是一成不變的，它們與使用、維護(hù)環(huán)境條件密切相關(guān)。風(fēng)力發(fā)電系統(tǒng)及其零部件的服役載荷復(fù)雜多變，其在動(dòng)載荷作用下的疲勞、磨損、斷裂等失效機(jī)理與靜載荷下有很大不同，由于載荷、工況、應(yīng)力等運(yùn)行環(huán)境參數(shù)都是動(dòng)態(tài)變化過(guò)程。因此，要研宄故障機(jī)理不僅要分析設(shè)備故障本身，而且還要考慮運(yùn)行條件和動(dòng)態(tài)過(guò)程。由于風(fēng)電設(shè)備的運(yùn)行環(huán)境是在野外，要經(jīng)受風(fēng)吹、雨淋、沙打、腐蝕等各種極端惡劣天氣和自然界風(fēng)速風(fēng)向變化無(wú)常而產(chǎn)生的復(fù)雜交變及沖擊載荷下可靠運(yùn)行至少20年，所以研宄運(yùn)行環(huán)境對(duì)風(fēng)電機(jī)組主要設(shè)備的影響機(jī)理是十分有必要的。

【發(fā)明內(nèi)容】

[0003]為克服上述現(xiàn)有技術(shù)存在的不足，本發(fā)明之目的在于提供一種環(huán)境因素對(duì)風(fēng)電設(shè)備故障演化程度影響的評(píng)估方法，其在現(xiàn)有故障特征信號(hào)提取和隱式半馬爾科夫量化故障演化程度的基礎(chǔ)上提出一種最小二乘一隱式半馬爾科夫模型的環(huán)境因素對(duì)風(fēng)電設(shè)備故障演化影響的研宄方法。
[0004]為達(dá)上述及其它目的，本發(fā)明提出一種環(huán)境因素對(duì)風(fēng)電設(shè)備故障演化程度影響的評(píng)估方法，包括如下步驟:
[0005]步驟一，對(duì)各振動(dòng)傳感器進(jìn)行特征提取，獲得頻帶特征，并基于劃分的局部切空間排列算法對(duì)獲得的頻帶特征進(jìn)行特征融合，形成齒輪箱的特征空間；
[0006]步驟二，根據(jù)多傳感器信息融合結(jié)果，采用連續(xù)隱式半馬爾科夫模型研宄齒輪箱故障演化過(guò)程，并利用非線性多元最小二乘法來(lái)擬合故障演化程度和各環(huán)境因素的關(guān)系，建立齒輪箱故障演化程度表達(dá)式。。
[0007]進(jìn)一步地，在步驟一中，獲取頻帶特征包括如下步驟:
[0008]根據(jù)試驗(yàn)工況和齒輪箱參數(shù)得到各振動(dòng)傳感器的各特征頻率；
[0009]根據(jù)特征頻率和頻帶個(gè)數(shù)T滿足的條件選取頻帶個(gè)數(shù)T ;
[0010]根據(jù)T*N個(gè)頻帶特征確定本征維數(shù)，其中N為傳感器個(gè)數(shù)。
[0011]進(jìn)一步地，該特征頻率包括高速軸、低速軸的特征頻率、各齒輪的嚙合頻率、各滾動(dòng)軸承的特征頻率。
[0012]進(jìn)一步地，將T*N個(gè)頻帶特征輸入局部PCA算法來(lái)確定本征維數(shù)。
[0013]進(jìn)一步地，于步驟一中，將T*N個(gè)頻帶特征輸入到自適應(yīng)劃分的局部切空間排列算法，得到降維后總能量歸一的結(jié)果，形成齒輪箱的特征空間。
[0014]進(jìn)一步地，步驟二進(jìn)一步包括如下步驟:
[0015]步驟2.1，結(jié)合步驟一的多傳感器信息融合結(jié)果，使用正常狀態(tài)下的數(shù)據(jù)訓(xùn)練CHSMM，建立基于CHSMM的多傳感器融合故障演化程度評(píng)估模型λ。；
[0016]步驟2.2，使用該模型對(duì)齒輪箱異常狀態(tài)進(jìn)行相似度確定；
[0017]步驟2.3，利用該齒輪箱異常狀態(tài)下的數(shù)據(jù)訓(xùn)練CHSMM，建立基于CHSMM的多傳感器融合故障演化程度評(píng)估模型；
[0018]步驟2.4，分別使用步驟2.3獲得的多傳感器融合故障演化程度評(píng)估模型對(duì)待識(shí)別故障演化過(guò)程進(jìn)行相似度確定，即可得到待識(shí)別狀態(tài)異常的程度；
[0019]步驟2.5，利用非線性多元最小二乘法來(lái)擬合故障演化程度和各環(huán)境因素的關(guān)系。
[0020]進(jìn)一步地，該齒輪箱的異常狀態(tài)包括點(diǎn)蝕、磨損、膠合、斷齒狀態(tài)。
[0021 ] 進(jìn)一步地，環(huán)境因素包括沙塵濃度、鹽霧濃度、運(yùn)行時(shí)間
[0022]進(jìn)一步地，采集所有狀態(tài)下的傳感器振動(dòng)數(shù)據(jù)的同時(shí)記錄沙塵濃度、鹽霧濃度、運(yùn)行時(shí)間的數(shù)值。
[0023]進(jìn)一步地，于步驟一中，對(duì)振動(dòng)傳感器的信號(hào)做FFT變換后，按照特征頻率中的最小值，將頻譜平均分為T個(gè)頻帶。
[0024]與現(xiàn)有技術(shù)相比，本發(fā)明一種環(huán)境因素對(duì)風(fēng)電設(shè)備故障演化程度影響的評(píng)估方法，其在現(xiàn)有故障特征信號(hào)提取和隱式半馬爾科夫量化故障演化程度的基礎(chǔ)上提出一種最小二乘一隱式半馬爾科夫模型的環(huán)境因素對(duì)風(fēng)電設(shè)備故障演化影響的研宄方法，實(shí)現(xiàn)了環(huán)境因素對(duì)風(fēng)電設(shè)備故障演化程度影響的評(píng)估。
【附圖說(shuō)明】
[0025]圖1為本發(fā)明一種環(huán)境因素對(duì)風(fēng)電設(shè)備故障演化程度影響的評(píng)估方法的步驟流程圖；
[0026]圖2為步驟101的特征融合示意圖；
[0027]圖3為本發(fā)明較佳實(shí)施例中步驟102的環(huán)境因素對(duì)設(shè)備故障演化程度影響的評(píng)估示意圖。
【具體實(shí)施方式】
[0028]以下通過(guò)特定的具體實(shí)例并結(jié)合【附圖說(shuō)明】本發(fā)明的實(shí)施方式，本領(lǐng)域技術(shù)人員可由本說(shuō)明書所揭示的內(nèi)容輕易地了解本發(fā)明的其它優(yōu)點(diǎn)與功效。本發(fā)明亦可通過(guò)其它不同的具體實(shí)例加以施行或應(yīng)用，本說(shuō)明書中的各項(xiàng)細(xì)節(jié)亦可基于不同觀點(diǎn)與應(yīng)用，在不背離本發(fā)明的精神下進(jìn)行各種修飾與變更。
[0029]在介紹本發(fā)明之前，先對(duì)風(fēng)電齒輪箱故障機(jī)理進(jìn)行簡(jiǎn)單分析:齒輪箱的故障會(huì)導(dǎo)致其振動(dòng)信號(hào)頻域發(fā)生有規(guī)律的改變。對(duì)振動(dòng)信號(hào)做FFT變換后，按照特征頻率中的最小值，將頻譜平均分為T個(gè)頻帶。各振動(dòng)傳感器所形成的頻帶能量即可作為原始高維特征空間，為多傳感器特征融合做準(zhǔn)備。
[0030]局部切空間排列算法(local tangent space alignment，簡(jiǎn)稱LTSA)是一種新的流形學(xué)習(xí)算法，能有效地學(xué)習(xí)出高維采樣數(shù)據(jù)的低維嵌入坐標(biāo)?；趧澐值木植壳锌臻g排列算法(partit1nal local tangent space alignment，簡(jiǎn)稱 PLTSA)，它建立在 LTSA 的基礎(chǔ)上。首先用X-均值找到樣本集的最優(yōu)劃分的個(gè)數(shù)，把樣本空間劃分成有重疊的塊，通過(guò)把每一樣本點(diǎn)投影到它所在塊的局部切空間中求出其低維局部坐標(biāo)，然后利用重疊部分中點(diǎn)的局部坐標(biāo)來(lái)構(gòu)建