基于信息融合的風電機組傳動系統(tǒng)故障診斷方法研究.pdf

1、由于風電機組運行在地方偏遠、工況惡劣的環(huán)境下,一旦風電機組傳動系統(tǒng)發(fā)生故障就必須停機且維修不易。因此,對風電機組傳動系統(tǒng)進行故障機理分析,研究有效的故障診斷方法,對提高風電機組發(fā)電效益有著重要的意義。經(jīng)典的故障診斷方法僅將某種故障特征集或某種模式識別算法進行結合,只能從單一的角度尋找最優(yōu)的故障分類方法,勢必存在片面性從而影響到風電機組傳動系統(tǒng)故障診斷的可靠性,本文采用信息融合的方法來解決這個問題,并從特征級融合與決策級融合展開研究。

2、r>　　針對風電機組工況復雜,單個或者單域特征無法全面反映傳動系統(tǒng)的狀態(tài)特性,且多域特征存在冗余、沖突的問題,提出了基于深度置信網(wǎng)絡的風電機組傳動系統(tǒng)故障融合診斷方法。首先,構建了全面反映風電機組傳動系統(tǒng)故障狀態(tài)的多域特征集;然后,采用深度置信網(wǎng)絡對多域特征集的特征再學習,充分挖掘數(shù)據(jù)間的本質(zhì)特征,實現(xiàn)特征融合并消除冗余、沖突信息;最后,在特征輸出后添加softmax多分類器,利用反向傳播(Back Propagation,BP)算法逐

3、層微調(diào)深度置信網(wǎng)絡的權值使其結構達到最優(yōu)并生成合適的分類器。通過行星齒輪箱故障診斷、滾動軸承故障程度診斷實驗證明了深度置信網(wǎng)絡方法在特征融合方面的有效性,提高了故障診斷精度。
　　針對風電機組傳動系統(tǒng)故障診斷多決策結果中證據(jù)沖突的問題,提出了基于改進D-S證據(jù)理論的風電機組傳動系統(tǒng)故障融合診斷方法。構建了各初級診斷證據(jù)間的相關度矩陣,并由相關度矩陣計算出各證據(jù)的可靠度,根據(jù)可靠度對各證據(jù)進行相似證據(jù)與沖突證據(jù)分類,保留相似證據(jù)并修

4、改沖突證據(jù)的基本概率賦值以降低可靠度低的證據(jù)對決策結果的影響,應用Dempester組合規(guī)則對相似證據(jù)與修改后的沖突證據(jù)進行故障融合診斷。最后,通過對滾動軸承、行星齒輪箱故障診斷的實驗結果表明了改進D-S證據(jù)理論方法能有效解決多決策結果中證據(jù)沖突的問題,降低診斷的不確定性并提高了診斷率。
　　本文將信息融合理論應用于風電機組傳動系統(tǒng)故障診斷中,在特征級融合方面,研究了深度置信網(wǎng)絡方法在特征融合中的應用,有效解決了多域特征集中信息沖