基于小波包分析风力发电机组故障预诊断神经网络专家系统.pdfVIP

学兔兔 l 匐 似 基于小波包分析的风力发电机组故障预诊断 神经网络专家系统 The application of wavelet multi—resolution analysis in wind turbine fault-detection 王 赞。，陆国君 WANG Yun。，LU Guoqun (1．中国船舶重工集团公司武汉凌久电气有限公司，武汉430074；2．德国上海倍福自动化控制公司，上海201802) 摘 要：本文应用基于小波包分析法的神经网络专家系统，较好地处理了风机机械设备故障信号富含的 高频和故障信号出现的频率的低频的关系，使得故障信号提取更加准确，并改善传统专家系 统的推理能力弓弓和智能水平低问题，较好的为风电机组故障提供依据。 关键词：小波包分析；专家系统；神经网络；故障诊断 中图分类号：TP183 文献标识码：A 文章编号：1 009—01 34(201 3)09(下)一0147—03 Doi：1 0．3969／J．1ssn．1 009-01 34．201 3．09(下)．44 0引言 特征量再将各种特征信号作为输入信号，经由神 现代化风力发电机组已经达到了很高的科技 经网络专家系统处理的诊断输出即为故障的位置 水准，其控制系统已能够自动识别不可靠的工作 和程度，该系统构成如下： 状态，使其停机以达到保护目的，而对于更有效 的保养和维护工作将提供一个更完善的系统即故 障先兆监控系统。通过连续性的有效监控，故障 在风机停机或在引起重大损害到来之前通过智能 诊断技术即基于小波包分析的神经网络专家系统 发现并将测量的特征数据有机结合起来综合分析 诊断得出故障形成原因。 1风力发电机组故障先兆专家诊断 区 ]_-圆 ， … 系统意义及总体架构 — 圜 风机故障包含两种含义：1)功能失效，比如温 图1 神经网络专家系统构成 度，转速，偏航…错误或者组件损坏导致停机或 者严重事故。2)机械系统偏离正常工作功能。通过 2 系统构成 参数调节或者更换零部件，可以使其恢复原工作 故障诊断分四个步骤：信号检测，特征处理 功能。而我们这里所指的先兆故障监控就是指第 (信号处理)，状态识别和诊断决策。 二种意义上的故障监控。一般大型风电场都位于 2．1信号检测 偏远地区，特别是海上风电场，由于受天气环境 风力发电机长期工作在高负荷状态下，根据 影响，很难在故障发生时及时赶到现场对部件进 不完全统计，风机发生机械故障中60％来自于齿轮 行更换，所以及早的掌握故障数据，开展有效的 箱，30％来自于轴承，在机械运动过程中，伴随着 维护工作，减少风机待机时间是该系统的存在意 内部故障的发生与发展，必然会产生振动上的异 义。由故障机理可知，当风机中的传动部件发生 常，所以该系统主要监控风机机舱易磨损工作器 故障时，其特征频率及其谐频处的振动能量 (谱