专利名称：一种多特征多级综合评判的风电机组主传动装置故障诊断方法
技术领域：
本发明属于故障诊断方法技术领域，涉及ー种多特征多级综合评判的风电机组主传动装置故障诊断方法。
背景技术：
风电机组的造价一般成本较高，因此机组一旦出现故障，其维修费用和停机维护期间的经济损失往往很高。为了避免故障重大故障引起的巨大经济损失，必须对机组进行实时监控与适时维修。目前，风カ发电机普遍采取计划维修与事后维修的方式。计划维修是在机组运行2500h和5000h后进行例行的维护，事后维修是在机组出现明显的故障甚至停机后，才对机组进行维修或更换部件的操作。由于维修方式的固定与滞后，并且事前准备不足，常常会造成维修工作时间漫长和经济损失重大。因此，如何全面、及时地了解机组运行状态，及时预测到有可能出现的故障并采取维修措施，成为了风电产业亟待解决的问题。风电机组主传动装置齿轮箱的状态监测与故障诊断技术是ー门多学科综合技木，涉及动态信息处理、计算机、人工智能等众多领域的知识。国内外对齿轮箱状态监测与故障诊断技术的研究取得了一定的成效，并不断将新的理论应用于实际诊断中。目前齿轮箱故障诊断研究主要集中在振动信号处理与分析、故障机理研究、典型故障特征的提取、诊断方法研究和人工智能的应用等几个方面。基于模糊理论的故障诊断技术以计算智能技术为支持、以知识为基础、信息处理为核心代替了传统的以数据建模为核心的诊断。基于模糊理论的故障诊断方法已在许多领域得到应用，如汽车故障诊断，机械工程的故障诊断，流程エ业的故障诊断等。
发明内容
本发明解决的问题在于提供一种多特征多级综合评判的风电机组主传动装置故障诊断方法，实现对不同类型风电机组齿轮箱的实时在线状态监控与故障诊断。本发明是通过以下技术方案来实现—种多特征多级综合评判的风电机组主传动装置故障诊断方法，包括以下步骤I)收集风电机组机型数据和维护记录，确定目标齿轮箱的易损部件数目m和每个部件的常见故障种类Iii, i =1. . .m ;并将各部件的故障程度分级，建立评判集V ;2)收集风电机组齿轮箱的历史运行数据，包括齿轮箱正常运行数据与故障数据；3)对于齿轮箱的第i个部件的第j种故障，根据已有经验选择对当前故障诊断最有贡献的几路传感器信号及特征值，并选用相应的数字信号处理算法对选定的传感器的历史运行数据提取相应的特征值；4)对所选定的传感器的特征值进行模糊化处理，并将得到的模糊化特征值矩阵作为输入，其对应的输出为当时该部件发生该故障的概率；将所得的输入和输出按照输入-输出对模式组织成故障诊断样本集；
5)构建传感器和特征值两级评判模型特征值级评判Ai=Ai O Ri ;其中，Ai为第i路传感器的Ki个特征值的权重向量，Ri为第i路传感器的模糊化特征值矩阵，Bi为第i路传感器评判结果向量；传感器级评判S = Ao R，其中
权利要求
1.一种多特征多级综合评判的风电机组主传动装置故障诊断方法，其特征在于，包括以下步骤 1)收集风电机组机型数据和维护记录，确定目标齿轮箱的易损部件数目m和每个部件的常见故障种类Iii, i =1. . .m ;并将各部件的故障程度分级，建立评判集V ; 2)收集风电机组齿轮箱的历史运行数据，包括齿轮箱正常运行数据与故障数据； 3)对于齿轮箱的第i个部件的第j种故障，根据已有经验选择对当前故障诊断最有贡献的几路传感器信号及特征值，并选用相应的数字信号处理算法对选定的传感器的历史运行数据提取相应的特征值； 4)对所选定的传感器的特征值进行模糊化处理，并将得到的模糊化特征值矩阵作为输入，其对应的输出为当时该部件发生该故障的概率；将所得的输入和输出按照输入-输出对模式组织成故障诊断样本集； 5)构建传感器和特征值两级评判模型 特征值级评判^=Ai O Ri ;其中，Ai为第i路传感器的Ki个特征值的权重向量，Ri为第i路传感器的模糊化特征值矩阵，Bi为第i路传感器评判结果向量；
2.如权利要求1所述的多特征多级综合评判的风电机组主传动装置故障诊断方法，其特征在于，重复步骤8)对于同一部件的其他故障，以及不同部件的故障进行诊断，完成后终获得风电机组主传动装置整机的故障诊断结果。
3.如权利要求1所述的多特征多级综合评判的风电机组主传动装置故障诊断方法，其特征在于，风电机组齿轮箱的历史运行数据、实时数据均由分别安装在主轴前轴承垂直方向、主轴前轴承水平方向、齿轮箱输入端垂直方向、齿轮箱齿圈垂直方向、齿轮箱低速端垂直方向、齿轮箱高速端垂直方向、发电机前轴承垂直方向和发电机后轴承垂直方向的八个振动传感器和一个安装在主桨轴叶端的转速传感器采集得到。
4.如权利要求1所述的多特征多级综合评判的风电机组主传动装置故障诊断方法，其特征在于，特征值提取时所用的数字信号处理算法包括时域统计指标计算、波形指标计算、信号相关分析、FFT、倒频谱、包络谱分析、小波分解、小波包分解和经验模式分解，根据诊断部位和具体故障类型来进行选择。
5.如权利要求1所述的多特征多级综合评判的风电机组主传动装置故障诊断方法，其特征在于，将各部件的故障程度定为正常、轻微、中等、较重和严重五个等级，建立评判集V={正常，轻微，中等，较重，严重}。
6.如权利要求5所述的多特征多级综合评判的风电机组主传动装置故障诊断方法，其特征在于，模糊化处理是采用五段化的隶属度函数进行处理，所述的五段化为正常、轻微、中等、较重和严重五段，正常和严重采用单调形隶属度函数表征，轻微、中等和严重采用三角形隶属度函数表征；将历史数据提取的特征值使用聚类算法聚类为5簇，得到的5个聚类中心作为隶属度函数的参数a、b、c、d、e。
7.如权利要求6所述的多特征多级综合评判的风电机组主传动装置故障诊断方法，其特征在于，所述的隶属度函数如图2所示。
8.如权利要求1所述的多特征多级综合评判的风电机组主传动装置故障诊断方法，其特征在于，加权平均型算子Af(*， )的计算方法为 对于X=Y。Z。
全文摘要
本发明公开了一种多特征多级综合评判的风电机组主传动装置故障诊断方法，对于被测的风电机组只需要通过一次历史数据的采集获得传感器和特征值两级评判模型，在风电机组运行时，就可以采集齿轮箱实时运行数据，对于某部件的某故障，调用相应的数字信号处理算法对所采集的数据进行处理，提取其典型特征值并经模糊化之后作为传感器和特征值两级评判模型的输入参数，模型最终评判结果向量即该部件出现该故障概率，循环执行上述步骤即可得到整机各部件发生故障的概率。本发明实现了对不同类型风电机组齿轮箱的实时在线状态监控与故障诊断，诊断方式简单、快捷、稳健并具有很强的容错性。
文档编号G01M13/02GK103033359SQ201210553609
公开日2013年4月10日 申请日期2012年12月19日 优先权日2012年12月19日
发明者杨清宇, 庄健, 孙凤伟, 苏周 申请人:西安交通大学