1.一种基于遗传算法的风电机组叶片故障诊断方法,其特征在于,包括如下步骤:
1)采集风电机组叶片的故障数据,然后对采集到的风电机组叶片的故障数据进行预处理,得到故障特征信息,并对故障特征信息进行标准化处理;
2)运用主成分分析法PCA对标准化处理后的故障特征信息进行分析,提取出导致风电机组叶片故障的主要特征信息;
3)将提取出的主要特征信息,利用基于遗传算法的可变K均值聚类算法,对要特征信息进行聚类分析,获得风电故障分析结果;
4)将上述风电故障分析结果与故障数据库或专家知识库进行比对,得到最终故障类型的分析结果,最后将分析结果显示在人机交互界面上。
2.根据权利要求1所述的基于遗传算法的风电机组叶片故障诊断方法,其特征在于,所述主成分分析法PCA的步骤如下:
a1)数据标准化,公式为其中则新的输入变量的数据矩阵为
a2)求相关系数矩阵,
其中,rij(i,j=1,2,......,p)为标准化后变量与的相关系数,其计算公式为
a3)求系数矩阵R的特征值和特征向量,记为λi=(i=1,2,...,p),对应特征向量为ei(i=1,2,...,p);
a4)计算主成份贡献率、累计贡献率并确定主成分个数。总方差中属于第i个主成分zi的比例称为贡献率:前i个主成分的贡献率之和称为w1,w2,......,wi的累计贡献率一般取累计贡献率达到85%至95%的特征值所对应的λ1,λ2,...,λm的第1主成分,第2主成分,……第m(m≤p)个主成分。
a5)计算基于主成分的输入变量数据矩阵z,
3.根据权利要求1所述的基于遗传算法的风电机组叶片故障诊断方法,其特征在于,所述聚类分析的步骤如下:
b1)利用遗传算法的过程,生成初始种群,设定终止条件,即遗传算法迭代次数;
b2)利用K均值算法对筛选出来的个体进行优化,并用优化后的个体取代原来的个体;
b3)对种群中的个体进行选择、交叉、变异操作,并在完成后重新计算K值;
b4)重复步骤b2)和b3)至满足终止条件。