一種風(fēng)電設(shè)備故障演化程度評估方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種風(fēng)電設(shè)備故障演化程度評估方法，特別是涉及一種基于隱式半馬爾科夫模型的風(fēng)電設(shè)備故障演化程度評估方法。
【背景技術(shù)】
[0002]我國風(fēng)電已進(jìn)入了規(guī)模發(fā)展的新階段，成為繼歐洲、美國和印度之后的全球主要風(fēng)電市場之一。但是隨著風(fēng)場的相繼開發(fā)，風(fēng)電設(shè)備的建立，剛剛崛起的中國風(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題。我國風(fēng)電行業(yè)起步較晚，對風(fēng)電機組故障的研宄主要集中在對具體故障的分析方法的研宄，而對于風(fēng)電設(shè)備故障機理的研宄較少。然而設(shè)備的故障和事故都不是偶然發(fā)生的，都有一個由量變到質(zhì)變的發(fā)展過程。任何一種設(shè)備從制造、出廠、使用直到報廢，從外部環(huán)境到內(nèi)部機理，都是在不斷變化的，風(fēng)電設(shè)備也不例外。風(fēng)電設(shè)備在運行過程中，內(nèi)部的零部件必然受到機械應(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，隨著時間的推移，這種物理作用的積累將使設(shè)備的正常運行狀態(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。實際上，有一些故障是可以通過狀態(tài)監(jiān)測早期發(fā)現(xiàn)的，因為運行中的風(fēng)機故障通常會經(jīng)歷從萌芽到發(fā)展、從輕微到嚴(yán)重的漸變演化過程。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程。

【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風(fēng)電設(shè)備故障演化程度評估方法，其在現(xiàn)有故障特征信號提取的基礎(chǔ)上實現(xiàn)了基于隱式半馬爾科夫模型的量化風(fēng)電齒輪箱故障演化程度研宄方法。
[0004]為達(dá)上述及其它目的，本發(fā)明提出一種風(fēng)電設(shè)備故障演化程度評估方法，包括如下步驟:
[0005]步驟一，對各振動傳感器進(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程，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)試驗工況和齒輪箱參數(shù)得到各振動傳感器的各特征頻率；
[0009]根據(jù)特征頻率和頻帶個數(shù)T滿足的條件選取頻帶個數(shù)T ;
[0010]根據(jù)T*N個頻帶特征確定本征維數(shù)，其中N為傳感器個數(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、各滾動軸承的特征頻率。
[0012]進(jìn)一步地，將T*N個頻帶特征輸入局部PCA算法來確定本征維數(shù)。
[0013]進(jìn)一步地，于步驟一中，將T*N個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估模型λ。；
[0016]步驟2.2，使用該模型對齒輪箱異常狀態(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估模型對待識別故障演化過程進(jìn)行相似度確定，即可得到待識別狀態(tài)異常的程度。
[0019]進(jìn)一步地，該齒輪箱的異常狀態(tài)包括點蝕、磨損、膠合、斷齒狀態(tài)。
[0020]進(jìn)一步地，于步驟一中，對振動傳感器的信號做FFT變換后，按照特征頻率中的最小值，將頻譜平均分為T個頻帶。
[0021]進(jìn)一步地，于步驟一中，所述劃分的局部切空間排列算法建立在LTSA的基礎(chǔ)上，首先用X-均值找到樣本集的最優(yōu)劃分的個數(shù)，把樣本空間劃分成有重疊的塊，通過把每一樣本點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的局部坐標(biāo)來構(gòu)建整體坐標(biāo)。
[0022]進(jìn)一步地，該待識別狀態(tài)異常的程度為待識別狀態(tài)偏離正常、點蝕、磨損、膠合、斷齒的程度。
[0023]與現(xiàn)有技術(shù)相比，本發(fā)明一種風(fēng)電設(shè)備故障演化程度評估方法，其在現(xiàn)有故障特征信號提取的基礎(chǔ)上實現(xiàn)了基于隱式半馬爾科夫模型的量化風(fēng)電齒輪箱故障演化程度研宄方法，實現(xiàn)了對風(fēng)電齒輪箱故障演化程度的評估。
【附圖說明】
[0024]圖1為本發(fā)明一種風(fēng)電設(shè)備故障演化程度評估方法的步驟流程圖；
[0025]圖2為步驟101的特征融合示意圖；
[0026]圖3為本發(fā)明較佳實施例中步驟102的設(shè)備故障演化程度評估示意圖。
【具體實施方式】
[0027]以下通過特定的具體實例并結(jié)合【附圖說明】本發(fā)明的實施方式，本領(lǐng)域技術(shù)人員可由本說明書所揭示的內(nèi)容輕易地了解本發(fā)明的其它優(yōu)點與功效。本發(fā)明亦可通過其它不同的具體實例加以施行或應(yīng)用，本說明書中的各項細(xì)節(jié)亦可基于不同觀點與應(yīng)用，在不背離本發(fā)明的精神下進(jìn)行各種修飾與變更。
[0028]在介紹本發(fā)明之前，先對風(fēng)電齒輪箱故障機理進(jìn)行簡單分析:齒輪箱的故障會導(dǎo)致其振動信號頻域發(fā)生有規(guī)律的改變。對振動信號做FFT變換后，按照特征頻率中的最小值，將頻譜平均分為T個頻帶。各振動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。
[0029]局部切空間排列算法(local tangent space alignment，簡稱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)劃分的個數(shù)，把樣本空間劃分成有重疊的塊，通過把每一樣本點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的局部坐標(biāo)來構(gòu)建整體坐標(biāo)。
[0030]圖1為本發(fā)明一種風(fēng)電設(shè)備故障演化程度評估方法的步驟流程圖。如