【技術實現步驟摘要】
本方法屬于風力發電領域，具體涉及一種基于數據擴增的變工況葉根螺栓劣化診斷方法與系統。
技術介紹
0、技術背景
1、在全球減排、降碳的大背景之下，風能已經成為世界范圍內增長最快、最具發展前景的可再生能源之一。
2、在風力發電機組向大型化方向發展的過程當中，風機的穩定性和可靠性成為了保障發電效率和安全運行的關鍵因素之一。在風機運行過程中，由于風速的變化，導致葉片在轉動時對葉根的作用力并不穩定，從而影響葉根螺栓的受力情況。這種不穩定的受力變化會在螺栓監測過程中對數據產生干擾，使螺栓存在的真實劣化信號湮滅其中，給數據分析人員從監測數據中識別和診斷螺栓劣化與否帶來了較大困難。
3、目前，深度學習技術在故障診斷領域展現出了強大的潛力，能夠通過從復雜的信號中分離數據特征，實現高效的故障診斷，這種數據驅動的故障診斷方法為葉根螺栓劣化監測提供了一條全新的思路。然而，葉根螺栓劣化的實際數據樣本相對較少，而深度學習技術通常依賴大量的樣本數據進行模型訓練，才能達到良好的診斷效果，其次，在風機的實際運行中，工況波動大，干擾噪聲多，進一步增加了診斷的難度。因此，如何在工況不穩定、噪聲干擾強以及樣本數量有限的情況下，利用深度學習技術實現高效、準確的葉根螺栓劣化診斷，成為當前風機運維領域亟待解決的技術問題。
技術實現思路
1、本專利技術提出了一種基于數據擴增的變工況葉根螺栓劣化診斷方法與系統。該專利技術針對風機葉根螺栓劣化數據匱乏的現狀，將少量樣本中存在的劣化信號提取出來，與健
2、首先，在數據收集模塊，分別收集風機葉片根部的劣化螺栓和健康螺栓的預緊力數據，以及對應葉片的載荷數據。
3、其次，在數據篩選模塊按以下要求對數據進行篩選，對于劣化的葉根螺栓數據，要求其包含螺栓從健康到劣化的變化過程時間段內的預緊力監測數據，即全生命周期數據，然后篩選其中在滿發工況下的數據，對于健康的葉根螺栓數據要求時間與劣化數據的收集時間相同，且也要篩選其中滿發工況下的預緊力的數據，最后，在同一時間區間，根據收集到的葉片載荷數據對應這些螺栓預緊力數據進行篩選。
4、接著，通過數據生成模塊生成一部分劣化螺栓的數據，其流程如圖2所示，首先，在數據篩選完成后統計符合條件的劣化螺栓所在葉片的個數，賦值k，同時，將收集到健康螺栓數據也按所在葉片不同分成k份，并進行fft轉換。將劣化數據的短時傅里葉變換stft(ki)與其早期健康數據的stft特征做差得到數據中的劣化特征分量，隨后將其添加到對應葉片的健康螺栓的stft數據當中，得到在健康螺栓上模擬的螺栓劣化特征數據，以此類推，得到k組模擬螺栓劣化特征數據，得到生成的數據集。
5、隨后，在數據集構建模塊對收集的真實數據以及生成的模擬數據進行劃分。將數據集按一定比例劃分成訓練集，驗證集，測試集。
6、然后，通過模型訓練模塊對模型進行訓練，將劃分好的數據集轉換成時頻圖輸入模型當中，在模型當中進行迭代，最終得到較好的結果。值得注意的是該模型針對風機運行當中的特有的變更工況現象在模型訓練的過程中引入了一些領域專家知識，該領域專家知識可以解釋為有經驗的工程師會根據時頻圖中的頻率變化情況判斷風機穩定運行的時間區間，獲得較穩定工況下數據特征，該專利技術將這一經驗，具象為一種卷積結合多頭注意力計算的方法，引入模型診斷的過程當中，提升模型的診斷性能，其過程如圖3所示，同時，考慮到生成數據與真實數據之間的差異，該專利技術還引入了額外的領域分類器，對數據是否為真實數據進行判別，通過雙loss控制迭代過程中的權重參數的更新。
7、最終，在數據測試模塊中對訓練好的模型進行測試，即通過測試集中的數據檢驗模型的性能。
本文檔來自技高網...【技術保護點】
1.本專利技術提出了一種基于數據擴增的變工況葉根螺栓劣化診斷方法與系統，其特征是針對風機葉根螺栓劣化數據匱乏的現狀，將劣化螺栓樣本中存在的特征信號提取出來，與健康螺栓樣本信號進行疊加，獲得不同螺栓的劣化模擬信號，以此作為樣本擴充，為深度學習方法提供數據進行學習，其次，針對風機運行過程中普遍存在工況隨風速變化的現象，設計了一種提取并融合專家知識的深度學習模型，緩解數據當中的劣化特征隨工況變化而改變的問題，最后考慮到生成信號與真實信號間的差異，通過引入雙分類器，雙Loss的方法優化模型迭代過程和最終結果。
2.根據權利要求1，其特征是將劣化螺栓樣本中存在的特征信號提取出來，與健康螺栓樣本信號進行疊加，生成不同螺栓的劣化模擬信號，該方法通過以下方程建立：
3.根據權利要求1，其特征是設計了一種提取專家知識的深度學習模型，該方法通過以下方程建立：
4.根據權利要求1，其特征是針對提取得到的專家知識融入注意力計算過程當中，即將卷積得到的權重值與鍵K進行哈達瑪積，得到帶有權重的鍵Kw，該方法通過以下方程建立：
5.根據權利要求1，其特征是在傳統
...【技術特征摘要】
1.本發明提出了一種基于數據擴增的變工況葉根螺栓劣化診斷方法與系統，其特征是針對風機葉根螺栓劣化數據匱乏的現狀，將劣化螺栓樣本中存在的特征信號提取出來，與健康螺栓樣本信號進行疊加，獲得不同螺栓的劣化模擬信號，以此作為樣本擴充，為深度學習方法提供數據進行學習，其次，針對風機運行過程中普遍存在工況隨風速變化的現象，設計了一種提取并融合專家知識的深度學習模型，緩解數據當中的劣化特征隨工況變化而改變的問題，最后考慮到生成信號與真實信號間的差異，通過引入雙分類器，雙loss的方法優化模型迭代過程和最終結果。
2.根據權利要求1，其特征是將劣化螺栓樣...
【專利技術屬性】
技術研發人員：王永慶，萬石林，梁嘯，沈學敏，江上卿，劉勇，王興彥，王小偉，潘堅華，李剛，項慧，朱最花，明航，張皇欽，
申請(專利權)人：國家電投集團湖北宜昌新能源有限公司，
類型：發明
國別省市：
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。