CN107341349-CN201710522283-风机健康评估的方法、系统、存储器及控制器.pdfVIP

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 107341349 A (43)申请公布日 2017.11.10 (21)申请号 201710522283.X (22)申请日 2017.06.30 (71)申请人 上海交通大学 地址 200240 上海市闵行区东川路800号 (72)发明人 李惠柯　张静　李柠　 (74)专利代理机构 上海光华专利事务所 31219 代理人 庞红芳 (51)Int.Cl. G06F 19/00(2011.01) G06K 9/62(2006.01) 权利要求书3页 说明书9页 附图3页 (54)发明名称 风机健康评估的方法、系统、存储器及控制 器 (57)摘要 本发明提供一种风机健康评估的方法、系 统、存储器及控制器，所述包括：获取风机正常运 行时的历史数据并形成风机运行时的工况特征 向量；对风机历史运行工况进行划分；识别工况 类别，根据工况类别利用状态特征向量构建在线 评估风机健康的基准模型；将当前时刻的工况特 征向量输入预设训练模型，得到当前时刻风机运 行工况分别属于每种工况的工况类别概率并计 算当前时刻状态特征向量与每种工况下基准模 型的马氏距离；获取工况类别概率与距离每种工 况下基准模型的马氏距离的加权平均值并将加 A 权平均值转化为健康指标用以描述当前时刻风 9 机运行状态偏离正常运行时的程度。本发明可提 4 3 1 前识别风机故障发生前的劣化过程，准确评估风 4 3 7 机运行时健康状态变化。 0 1 N C CN 107341349 A 权　利　要　求　书 1/3页 1.一种风机健康评估的方法，其特征在于，所述风机健康评估的方法包括： 获取风机正常运行时的历史数据并根据所述历史数据形成风机运行时的工况特征向 量； 对风机历史运行工况进行划分； 根据所述工况特征向量和预设训练模型识别工况类别，根据工况类别利用状态变量组 成的状态特征向量构建风机正常运行时的模型并将该模型作为在线评估风机健康的基准 模型； 将当前时刻的工况特征向量输入所述预设训练模型，得到当前时刻风机运行工况分别 属于每种工况的工况类别概率并计算当前时刻所述状态特征向量与每种工况下所述基准 模型的马氏距离； 获取所述工况类别概率与距离每种工况下基准模型的马氏距离的加权平均值并将所 述加权平均值转化为健康指标用以描述当前时刻风机运行状态偏离正常运行时的程度。 2.根据权利要求1所述的风机健康评估的方法，其特征在于，所述工况特征向量包含风 速、环境温度、发电机转速和风轮转速。 3.根据权利要求1或2所述的风机健康评估的方法，其特征在于，所述基准模型为： 其中，GMM 为基准模型的输出，j＝(1,2,3,4)，μ和C 分别为第i个高斯分布的均值向量 j i i 和协方差矩阵；ω 为第i个高斯分布的权重，x为当前时刻状态特征向量，N 为第i个多维高 i i 斯概率密度函数。 4.根据权利要求1所述的风机健康评估的方法，其特征在于，所述健康指标为： 其中：HI表示根据当前时刻状态特征向量距离所述基准模型的马氏距离所构建的健康 指标；D(x)表示当前时刻状态特征向量距离所述基准模型的马氏距离；D (x)，D (x)，D (x)，