基于小波神经网络风力发电机故障诊断(2009!).pdfVIP

2009 年 4 月 电 工 技 术 学 报 Vol.24 No. 4 第 24 卷第 4 期 TRANSACTIONS OF CHINA ELECTROTECHNICAL SOCIETY Apr. 2009 基于小波神经网络的风力发电机故障诊断 1 1 1 2 庄哲民 殷国华 李芬兰 江钟伟 （1. 汕头大学电子工程系 汕头 515063 2. 山口大学机械电子工程系 〒753-8511 日本） 摘要 针对风力发电机是一个复杂的时变非线性系统难以提取有效故障特征的问题，首次提 出一种优化的局部判别基（LDB ）算法结合SOM-BP 混合网络进行故障诊断与定位的新方法。首 先利用改进的LDB 算法提取初始的故障特征，为进一步提高类间可分离度，将这个初始的故障特 征通过自组织特征映射（SOM ）网络映射到一个类别可分性更高的特征空间，最后利用反向传播 （BP ）网络根据映射后的特征实现非线性分类，完成故障诊断与定位。 关键词：小波包 局部判别基 神经网络 故障诊断 中图分类号：TM183 Fault Diagnosis of Wind Power Generation Based on Wavelet Neural Network Zhuang Zhemin 1 Yin Guohua 1 Li Fenlan 1 Jiang Zhongwei2 （1. Shantou University Shantou 515063 China 2. Yamaguchi University Tokiwadai 〒753-8511 Japan ） Abstract As wind power generation is a complicated nonlinear time-varying system, it ’s hard to extract effective fault feature. A novel algorithm that combined the modified local discriminant basis （LDB ）algorithm and SOM-BP network is proposed to fault diagnosis and isolation. Extracting primal fault feature by improved LDB algorithm, then map this incipient fault feature into a new feature space with high class separability via self-organizing feature map (SOM) nonlinearly transform, finally BP is used as the nonlinear classifier to implement fault diagnosis and isolation. Keywords ：Wavelet packet, local discriminant basis, neural network, fault diagnosis 电场。随着野外装机规模的不断扩大，风力发电机 1 引言 系统的故障诊断也就显得越来越重要了。风力发电 近年来，由于资源的短缺和环境的恶化使世界 系统主要由将风能转换为机械能的风力机和将机械 各国开始重视开发和利用可再生且无污染的能源。 能转换为电能的发电机两大部分组成，其中发电