[发明专利]一种基于特征融合的风电机组发电机轴承预警方法

权利要求书

1.一种基于特征融合的风电机组发电机轴承预警方法，其特征在于，包括以下步骤：

(1)对CMS数据进行预处理；

(2)获取时域特征指标；

(3)获取趋势特征指标，趋势特征计算机组运行前3个月的时域数据的有效值，并进行平滑处理，再每隔半个月拟合有效值曲线，曲线斜率作为趋势特征，得到6个趋势特征，采用移动平均平滑方法，如式

其中，y_t表示第t期的观察值，N为平均项数；

原始数据进行平滑处理后，使用最小二乘法进行一次曲线拟合，计算曲线斜率k，基于振动信号的趋势特征提取的特征向量表示为

F_trend＝[k₁,k₂,k₃,k₄,k₅,k₆]；

(4)获取频域特征指标，频域特征为滚动轴承内外圈或滚动体上出现局部损伤时，损伤点便会以相应的频率来撞击轴承的部件，将原始数据重采样后，用0-500Hz,500-1280Hz,1280-2560Hz对振动信号进行滤波，分别计算3个频段的频谱峰值幅值、个数及占比，共9个特征参数，如式：

z_peak＝signal.find_peaks(z,distance＝d)

p_num＝count(z_peak2*z_rms)

p_v＝sum(z_peak2*z_rms)

p_ratio＝p_value/sum(z)

得到基于振动信号的频域特征提取的特征向量，表示为

F_freq＝[p_num1,p_v1,p_ratio1,p_num2,p_v2,p_ratio2,p_num3,p_v3,p_ratio3]；

(5)获取包络特征指标；

(6)特征融合；

(7)进行极限梯度提升模型训练；

(8)训练分类模型中的函数集合，构建XGBoost的学习目标函数；

(9)对XGBoost的学习目标函数进行计算。

2.根据权利要求1所述的一种基于特征融合的风电机组发电机轴承预警方法，其特征在于，所述步骤1首先筛选出转速大于1200RPM的数据，然后剔除无效数据，无效数据的特征如下：

(a)前后两端数据均值之差的绝对值大于去除直流量之后的有效值；

(b)均值的绝对值大于去除直流量之后的有效值；

(c)去重后数据量小于50；

(d)连续0.5s数据均大于0或均小于0。