[发明专利]基于自适应LMS算法的风力机齿轮箱故障检测方法、系统及装置

说明书

本发明公开了一种基于自适应LMS算法的风力机齿轮箱故障检测方法、系统及装置，方法包括：获取风力机齿轮箱的故障信号；利用优化后的自适应LMS算法对故障信号进行降噪处理；对降噪处理后的故障信号进行包络分析获取检测结果；其中，自适应LMS算法的优化包括：初始化自适应LMS算法的阶数、权值系数以及步长因子；利用天牛须智能算法对初始化步长因子中的调节参数进行迭代优化；根据优化后的调节参数计算更新步长因子以及权值系数；根据更新后的步长因子以及权值系数更新优化自适应LMS算法。本发明能够有效的将风力机齿轮箱故障特征从噪声中分离出来，并且解决了自适应LMS算法手动调参带来的随机性问题。

技术领域

本发明涉及一种基于自适应LMS算法的风力机齿轮箱故障检测方法、系统及装置，属于风力机故障检测技术领域。

背景技术

与其他可再生能源相比，风能最具通用性，最成熟并且成本最低，发展力最快。然而风力发电机建立的环境一般都比较差，因为种种不确定的环境因素的影响导致其很容易发生故障。在现实生活中风力发电机一般都建立在偏僻地域或者海上，而且距离地面有一定的高度，利用人工检测的方式将会浪费很多的人力物力，而且还不能及时发现故障，所以通过一定的技术手段进行风力发电机故障的检测可以降低一定的人力成本。作为风力机核心的传动组件，齿轮箱决定着整个发电机是否可以健康运行。风力发电机所处的恶劣环境以及风速、风力的随机性、难以掌控性，导致风力发电机时常受到复杂的、波动的冲击载荷，很容易破坏齿轮箱的工作机制，让其成为风力机故障率最高的组件。本发明针对风力发电机齿轮箱故障信号含有大量的噪声干扰问题，对信号进行降噪，利用归一化的基于S函数改进的自适应LMS算法对风力发电机的齿轮箱故障问题展开了研充分析。

目前LMS算法虽然已经有很多改进算法，无论哪种改进算法，都涉及到的参数有很多，这些参数往往决定着改进算法的好坏，参数的选取工作在自适应LMS算法中占据着至关重要的地位。手动调参方法不仅会带来一定的随机性问题，也不能使自适应LMS算法性能达到最佳。

为了解决上述问题，本申请提出一种基于自适应LMS算法的风力机齿轮箱故障检测方法、系统及装置。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种基于自适应LMS算法的风力机齿轮箱故障检测方法、系统及装置，解决现有的LMS算法采用手动调参，从而导致性能无法达到最佳且容易产生各种随机性问题的技术问题。

为达到上述目的，本发明是采用下述技术方案实现的：

第一方面，本发明提供了一种基于自适应LMS算法的风力机齿轮箱故障检测方法，包括以下步骤：

获取风力机齿轮箱的故障信号；

利用优化后的自适应LMS算法对故障信号进行降噪处理；

对降噪处理后的故障信号进行包络分析获取检测结果；

其中，所述自适应LMS算法的优化包括：

初始化自适应LMS算法的阶数、权值系数以及步长因子；

利用天牛须智能算法对初始化步长因子中的调节参数进行迭代优化；

根据优化后的调节参数计算更新步长因子以及权值系数，得到优化后的自适应LMS算法。

优选的，所述利用天牛须智能算法对初始化步长因子中的调节参数进行迭代优化包括：

计算获取天牛须智能算法左右两须的位置，其公式如下：

其中，表示左须位置，表示右须位置，x_t表示搜索初始位置，用初始化步长因子中的调节参数{a₀，b₀，r₀}表示，l表示天牛须智能算法中天牛质心与触须的距离，表示标准化的随机搜索方向模型，