[发明专利]一种风电机组叶片故障诊断方法

权利要求书

1.一种风电机组叶片故障诊断方法，其特征在于，通过安装在风电机组主轴座上垂直方向的加速度传感器测量振动信号，利用小波分解提取故障特征信息，然后归一化处理提取故障特征向量，最后将测量得到的故障特征向量输入经过优化和训练好的模糊支持向量进行风电机组叶片故障诊断，具体步骤如下：

1）对研究的问题进行分析，确定振动传感器的安装位置；

2）针对典型故障情况，对采集的振动信号进行小波分解，提取各频带内的能量特征作为故障特征信息；

3）对所提取的故障特征信息归一化处理得到故障特征向量，将其分为训练样本和测试样本；

4）利用模糊核聚类算法对训练样本进行聚类分析预处理，得到每个训练样本属于某种故障的模糊隶属度，作为训练模糊支持向量机中使用的模糊隶属度；

5）利用粒子群算法优化模糊支持向量机，并将最优解保存下来；然后利用训练样本和测试样本对优化的模糊支持向量机进行训练和测试；

6）将实测振动信号进行小波分解提取故障特征向量，将其输入训练好的模糊支持向量机，根据其输出情况来判断故障类型。

2.根据权利要求1所述的风电机组叶片的故障诊断方法，其特征在于，所述步骤5）中，粒子群优化模糊支持向量机的步骤如下：

21）初始化粒子群及每个粒子的初始速度；

22）计算每个粒子的适应度；

23）比较适应度，确定每个粒子的个体极值点和全局最优极值点；

24）更新每个粒子的位置和速度，并考虑更新后的速度和位置是否在限定的范围内；

25）判断迭代次数是否达到最大值，若达到设置的最大迭代次数，则最后一次迭代的全局最优值g_best中的值就是所求的；否则返回22），算法继续迭代。