[发明专利]基于信号重构的风电机组桨距角编码器故障容错方法

权利要求书

1.一种基于信号重构的风电机组桨距角编码器故障容错方法，其特征在于，包括以下步骤：

获取风电机组预设时间内的数据信息；

对所述数据信息进行预处理；

根据预处理后的数据信息，辨识伺服机构的传递函数与神经网络模型，包括：根据预处理后的所述桨距角指令与所述实际桨距角度，辨识伺服机构的传递函数；以及，

根据预处理后的所述风速大小设定风速范围，分别训练出不同风速范围下所述实际桨距角度与所述风机转速之间的神经网络模型；

根据所述传递函数设计状态观测器，并设置增益向量，将所述状态观测器极点配置在预设范围内；

在编码器正常时验证所述状态观测器重构性能与所述神经网络模型的准确度；

设定编码器测量值与状态观测器重构值残差的阈值，若残差超过阈值，分别将所述编码器测量值与所述状态观测器重构值代入对应风速下的神经网络模型进行验证，以对所述编码器作出相应操作；其中，

若所述编码器测量值代入所述神经网络后得到的第一风机转速估计值与实际风机转速相匹配，则所述状态观测器失配，进一步重新辨识所述桨距角指令与所述实际桨距角度之间伺服机构的传递函数，以及重新设计所述状态观测器并完成极点配置，以及，

若所述状态观测器重构值代入所述神经网络后得到的第二风机转速估计值与实际风机转速相匹配，则所述编码器失效，进一步采用所述状态观测器重构值代替所述编码器测量值作为实际桨距角度信号，并发出需要更换所述编码器的报警信号；

若所述编码器测量值与所述状态观测器重构值均代入对应风速下的神经网络模型后，得到的第一风机转速估计值以及第二风机转速估计值均与实际风机转速不匹配，则发出检验编码器是否发生故障的报警信号；并且，

进一步重新辨识所述桨距角指令与所述实际桨距角度之间伺服机构的传递函数，重新训练不同风速下的实际桨距角度与风机转速神经网络模型。

2.根据权利要求1所述的方法，其特征在于，所述数据信息包括桨距角指令，实际桨距角度、风速和风机转速。

3.根据权利要求2所述的方法，其特征在于，所述对所述数据信息进行预处理，包括：

采用线性插值法对所述数据信息进行数据补充；和/或，

对所述数据信息进行去环值处理；和/或，

采用滤波法对所述数据信息进行降噪处理；和/或，

对所述数据信息进行隔点采样处理。

4.根据权利要求1所述的方法，其特征在于，根据预处理后的所述桨距角指令与所述实际桨距角度，辨识伺服机构的传递函数，包括：

根据预处理后的所述桨距角指令与所述实际桨距角度数据，采用最小二乘辨识或粒子群寻优算法得到传递函数G₁(s)，具体关系式(1)如下：

β(s)＝G₁(s)u_β(s) (1)

式中：β(s)表示实际桨距角度数据；

u_β(s)表示桨距指令。

5.根据权利要求1所述的方法，其特征在于，所述根据预处理后的所述风速大小设定风速范围，分别训练出不同风速范围下所述实际桨距角度与所述风机转速之间的神经网络模型，包括：

根据预处理后的所述风速大小设定风速范围节点v₁、v₂、v₃，并利用matlab工具箱Neural Net Fitting拟合所述实际桨距角度与所述风机转速之间神经网络模型，具体关系式(2)如下：

式中：β表示实际桨距角度；

v表示风速；

ω表示风机转速。

6.根据权利要求1所述的方法，其特征在于，所述在编码器正常时验证所述状态观测器重构性能与所述神经网络模型的准确度之后，还包括：

若所述神经网络模型准确度低于预设值，则重新训练所述神经网络模型。