基于子空間和模糊C均值聚類的風電機組軸承故障診斷法制造技術
【技術實現步驟摘要】
本專利技術屬于風電
，涉及基于子空間和模糊C均值聚類的風電機組軸承故障診斷法。
技術介紹
由于風場大部分位于環境復雜惡劣的地區，經常受極端天氣的影響。隨著機組累計運行時間的增加，機組部件不斷老化，極易出現故障。風電機組上的主軸、偏航、變槳、發電機、齒輪箱等許多部位都裝配有軸承，軸承故障在機組故障中占有很高的比例。為了減少風電機組的停機時間，降低機組的維修費用，對風電機組的重要軸承部件進行狀態監測很有必要。目前的軸承故障特征提取方法主要有時域分析法和頻域分析法。時域分析法通過計算有效值、裕度因數、峭度系數、峰值等時域參數，與正常情況下的參數指標進行對比來判斷軸承是否發生故障；頻域分析法一般計算振動信號的幅值譜、功率譜及階次包絡譜等，根據頻譜圖中幅值突出的頻率成分提取軸承的故障特征頻率，實現軸承的故障診斷。由于風電機組軸承的運行條件惡劣，受力復雜，并經常受到交變載荷、沖擊載荷的影響，使得軸承成為風電機組常見的易發生故障的部件之一。目前振動信號分析技術是旋轉機械設備狀態監測與故障診斷的主要手段，但風電機組與其他大型旋轉機械設備存在重大區別，風機在運行過程中轉速是變化的，其振動信號往往表現出非平穩的特性，使得傳統的故障診斷方法難以實現故障狀態的精確判別。風力發電系統越來越復雜，所包含的零部件件也越來越多，使得其振動信號頻率成分十分復雜，很難檢測出其故障特征信息。實際風場中的風電機組振動信號一般為非平穩信號，傳統的時域分析方法和頻域分析方法只能夠處理平穩信號，但是對屬于非平穩信號的軸承振動信號則幾乎無能為力，無法有效地診斷實際風電機組發生的故障。
技術實現思路
...
【技術保護點】
基于子空間和模糊C均值聚類的風電機組軸承故障診斷法，其特征在于按照以下步驟進行：步驟1：利用隨機子空間的線性狀態空間模型提取出反映故障本質信息的特征向量；其中，X是狀態量，Y是采集到的振動信號，w是系統噪聲，v是測量噪聲，A是系統矩陣，C是輸出矩陣；步驟2：將得到的每個特征向量作為一個數據樣本，所有的特征向量組成總的數據樣本，然后利用FCM對數據樣本進行分類，得到故障的分類。
【技術特征摘要】
1.基于子空間和模糊C均值聚類的風電機組軸承故障診斷法，其特征在于按照以下步驟進行：步驟1：利用隨機子空間的線性狀態空間模型提取出反映故障本質信息的特征向量；其中，X是狀態量，Y是采集到的振動信號，w是系統噪聲，v是測量噪聲，A是系統矩陣，C是輸出矩陣；步驟2：將得到的每個特征向量作為一...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。