[发明专利]一种风电机组振动故障检测系统及方法

说明书

技术领域

本发明属于故障检测方法及设备技术领域，尤其涉及一种风电机组振动故障检测系统及方法。

背景技术

风电机组的振动故障不但降低发电效率而且影响其自身的安全运行，甚至可能殃及人身安全，造成财产损失。因此，配置实时的风电机组振动故障检测预警系统是科研人员不断研究开发的重要课题。

目前我国的研究技术大致分为过程参数估计法、状态估计法、信号诊断法及人工智能法。过程参数估计法是利用数学模型计算的残差来判断和诊断；状态估计法是通过滤波器监测内部数据残差变化进行故障检测；信号诊断法是根据机组输出数据特征值来判断；人工智能法是一种集问题求解、知识与推理、学习、通信、感知与行动于一身的新型诊断算法。

在美国故障检测技术起初是用于航空航天系统的故障监测预警、数据预测和故障类型诊断等方面，然后逐渐扩散到各领域的机组设备上。我国风电机组振动故障在线监测技术还处于起步阶段，主要是在吸收一些国外监测技术的基础上逐渐发展起来的，其中较为先进的算法是属于人工智能的人工免疫算法，算法中的阴性选择机理拥有超强的记忆与学习能力、训练时间短、所需故障样本少、对感应故障能力强等优点，给予人们广泛的关注。

发明内容

本发明实施例的目的在于提供一种风电机组振动故障检测系统及方法，旨在解决现有风电机组振动故障检测方法用时时间长与监测效率低的问题。

本发明实施例是这样实现的，一种风电机组振动故障检测方法，该风电机组振动故障检测方法通过搭建无线传感器网络，把风电机组各部位振动数据，包括齿轮箱前后轴承、发电机前后轴承振动数据通过振动采集节点采集，经每个机组的路由节点以多跳的方式传输到网络协调器节点，并用3G、光纤、以太多功能网络传到远处监控中心，监控中心采用基于马氏距离的阴性选择算法实现故障机组及部位的远程检测预警。

进一步，该风电机组振动故障检测方法设有i个n维总体风电机组振动故障M′类型分别为M′₁，M′₂，...，M′_i，均值向量为μ＝(μ₁，μ₂，...，μ_n)^T，对应协方差矩阵为R＝(δ_ij)_n×n，则待测故障样本Y＝(s₁，s₂，...，s_i)^T和机组振动故障样本集M′间的马氏距离函数表示为：

d²(Y，M′)＝(Y-μ)^TR(Y-μ)

按距离由近到远原则对采集到的样品数据Y进行分析判别，首先计算采样样品Y到各故障类型间的马氏距离然后将所获得的距离进行比较，第i个故障类型距离为：

di2(Y)=minj=1,2,...i{dj2(Y)}.]]>

进一步，阴性选择算法的步骤如下：

步骤一、产生与自我集S不相配的检测器集R，使这种检测器集R检测不到自我集只能检测非己集的特征；

步骤二、与故障类型空间匹配的故障数据M_i，删除两个或两个以上故障类型相配的检测器，存储只对某种故障具有敏感性的检测器，取消都不匹配的检测器；按匹配情况对检测器集R进行训练，形成一种优化的检测器合R′，即R′＝(R′₁，R′₂，...，R′_n)，R′_i是仅仅和第i类匹配的故障类型；

步骤三、将优化后的检测器集R′来监测自我集S，如检测器与自我集匹配，则认为S发生改变；