[发明专利]一种基于PS0-ANFIS的风力发电机传感器状态诊断系统在审

专利信息
申请号: 202010860014.6 申请日: 2020-08-24
公开(公告)号: CN111980871A 公开(公告)日: 2020-11-24
发明(设计)人: 周凌;赵前程;杨三英;朱岸峰 申请(专利权)人: 湖南科技大学
主分类号: F03D17/00 分类号: F03D17/00
代理公司: 北京化育知识产权代理有限公司 11833 代理人: 涂琪顺
地址: 411201 *** 国省代码: 湖南;43
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 ps0 anfis 风力发电机 传感器 状态 诊断 系统
【说明书】:

发明涉及风力发电机故障诊断技术领域,公开了一种基于PS0‑ANFIS的风力发电机传感器状态诊断系统,包括数据采集模块,所述数据采集模块的输出端单向电性连接有传感器预测单元,所述传感器预测单元的输出端单向连接有比较器,所述比较器的输出端单向电性连接有开始单元,所述开始单元的输出端单向电性连接有初始化模块;本发明具备可以具体到传感器本身,更加精细,有利于工作人员快速准确的找到风机故障具体原因的优点,尤其是传感器本身有故障时,能快速精准找到故障传感器,而不需要对所有器件进行检测再来判定是该传感器出现了故障,这样可以节约维修的成本和时间,具有很大的经济效益。

技术领域

本发明涉及风力发电机故障诊断技术领域,具体为一种基于PS0-ANFIS的风力发电机传感器状态诊断系统。

背景技术

目前风力发电机故障诊断都体现在风机的本体上,通过传感器输出信息来判断风力发电机是否有故障及采取措施,但是传感器输出信号耦合了“环境状态、被测对象状态和传感器自身状态”三个因素的信息,当环境出现异常、或被测对象出现异常,或传感器自身异常时,都会表现出传感器输出信号异常。因此目前主要是针对传感器的信号异常识别,而不是准确意义上的传感器异常识别,二者有本质的区别。

而本技术通过数据挖掘、风机群相似性分析、人工智能法、参数优化、交叉融合传感器状态识别和评估等,对传感器输出数据进行分析、判断、进行确认,能正确的区分出是环境因素还是被测对象状态或是传感器自身状态出现了故障,从而指导风场技术人员更加准确的发现故障类型和位置,从而减少维修时间和成本。

发明内容

本发明的目的在于提供一种基于PS0-ANFIS的风力发电机传感器状态诊断系统,具备实现传感器的固定偏差故障、漂移故障、精度下降故障、断电故障、脉冲故障等,其准确性高,检验率更高的优点,解决了现有的检测技术基本上都是对整个风机状态的评定,从而无法进行快速对故障进行排查,增加了维修成本和时间的问题。

为实现上述目的,本发明提供如下技术方案:一种基于PS0-ANFIS的风力发电机传感器状态诊断系统,包括数据采集模块,所述数据采集模块的输出端单向电性连接有传感器预测单元,所述传感器预测单元的输出端单向连接有比较器,所述比较器的输出端单向电性连接有开始单元,所述开始单元的输出端单向电性连接有初始化模块,所述初始化模块的输出端单向电性连接有确认模块,所述确认模块的输出端单向电性连接有第一计算单元,所述第一计算单元的输出端单向电性连接有寻找单元,所述寻找单元的输出端单向电性连接有赋值单元,所述赋值单元的输出端单向电性连接有第二计算单元,所述第二计算单元的输出端单向电性连接有第一判断单元,所述第一判断单元的输出端单向电性连接有保存模块,所述保存模块的输出端单向电性连接有第二判断单元,所述第二判断单元的输出端单向电性连接有测试单元,所述测试单元的输出端单向电性连接有结束单元。

优选的,所述第二计算单元包括保存值模块、最优值模块和使用最优值模块,所述保存值模块的输出端与最优值的输入端单向电性连接,所述最优值的输入端与使用最优值的输出端单向电性连接,所述使用最优值的输入端与第二判断单元的输出端单向电性连接。

优选的,所述传感器预测单元包括输入层、映射层、瓶颈层、解映层和输出层,所述输入层的输出端与映射层的输入端单向电性连接,所述映射层的输出端与瓶颈层的输入端单向电性连接,所述瓶颈层的输出端与解映层的输入端单向电性连接,所述解映层的输出端与输出层的输入端单向电性连接。

优选的,所述输入层输入的数据与输出层输出的数据为近似值,且维数相同,映射层和解映层采用非线性传递函数(S型)来进行映射。

优选的,所述初始化模块为初始化粒子数,PS0-ANFIS中的粒子堆数,即速度和随机向量。

优选的,所述确认模块为确定PS0-ANFIS的目标函数,且第一计算单元目标函数的初始化值,作为目标函数的局部最优值pbest存储。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于湖南科技大学,未经湖南科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010860014.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top