申请/专利权人：沈阳工业大学

申请日：2021-01-05

公开（公告）日：2024-04-12

公开（公告）号：CN112836583B

主分类号：G06F18/10

分类号：G06F18/10;G06F18/213;G06N3/006

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2021.06.11#实质审查的生效;2021.05.25#公开

摘要：本发明公开了一种风力机故障诊断方法，该方法根据风力机齿轮箱的振动信号特性，采用蝗虫GOA优化群分解SWD的系统参数，解决了传统的SWD算法阈值K和α的人工经验选择的问题；应用最优的SWD系统参数对测试信号进行分解，计算出每个本征模式分量的峭度值，选择分解结果的最优模式分量；利用Teager能量算子TEO能够跟踪信号瞬态能量的特点，对最敏感模数的TEO进行频谱分析。本发明方法能够有效地解决风力机工作环境中的强背景噪声造成的故障特征信息难以提取的问题，准确识别故障类型。

主权项：1.一种风力机故障诊断方法，其特征在于，包括以下步骤：1采集风力机的测试振动信号；2对SWD和GOA的系统参数进行初始化，设定最大的峭度值为目标函数，迭代寻优并储存最佳系统参数；利用最优的系统参数对输入的测试信号进行SWD分解；3将峭度值最大的模数定义为最敏感模数，该信号中包含表征故障的周期性脉冲信号；4利用Teager能量算子从最敏感的模数中提取瞬时特征，获得最终的滤波结果；5对最终的滤波结果进行傅里叶变换，从获得的频谱中检测故障的特征频率，判断是否发生故障；步骤2包括以下步骤：21在对振动信号进行SWD分解时，需确定分解阈值K和α使得分解结果中包含最多的故障周期性脉冲信号；22初始化蝗虫数量Ngh、种群位置Wi、最大值cmax、最小值cmin和最大迭代次数L；23计算种群中每只蝗虫的峭度值，并将计算最优个体局部极值继续更新；峭度的计算如下： 其中，x为测试信号经SWD分解获得的各个模数，μx与σ为x的均值和标准差，E·为数学期望；24继续迭代过程，通过比较计算得到的蝗虫适应度值更新个体局部极值和全局极值，更新每只蝗虫的位置；25达到设定的停止条件，即计算到最大迭代数时，迭代停止，输出最优的SWD参数和相对应的峭度值；26利用该参数对原始信号进行SWD分解。

全文数据：

权利要求：

百度查询： 沈阳工业大学 一种风力机故障诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD