基于流形学习的风电机组传动系统故障诊断方法研究

【摘要】：风能作为一种无污染的可再生资源,成为世界各国争相发展的领域之一。风力发电装备在我国取得了长足的发展,已形成一种新型产业。但风力发电机组(以下简称风电机组)的工作环境恶劣,风速具有不稳定性,在交变负载作用下,机组的传动系统最容易失效和损坏。传动系统不平衡、磨损、疲劳损伤、断裂等故障是风电机组的主要故障。而风电机组又安装在偏远地区且距地面甚高,并且又是规模化、成片式的运作模式,因此维修十分不便,风电机组传动系统的智能故障诊断在这种情况下就显得非常必要和迫切。然而,风电行业目前又欠缺智能故障诊断技术。目前大型风电机组的就地控制器SCADA仅有运行数据采集、阈值报警和通信功能,不能对风电机组传动系统进行故障诊断。而SKF公司针对风电机组的状态监测系统WindCon目前也只具备预警、报警及简易的信号分析功能,缺乏精确故障诊断技术。同时,现有的面向旋转机械的故障诊断方法普遍采用“特征提取→模式识别”这一模式,又存在以下两个与风电机组传动系统故障诊断技术需求不相适应的重大缺陷:①特征提取方式需要人工干预,故障特征优选质量完全取决于经验,这种做法与风电机组的工作条件和运行模式所要求的自动化、高精度、快速性的故障诊断方式相背离;②普遍采用的单一/单域故障特征提取方法孤立使用普适性不强,难以全面准确地获取复杂系统不同部位、不同类型、不同程度的故障特征,而风电机组传动系统是一个刚柔耦合的多体复杂系统,系统主要部件风轮、主轴和齿轮箱之间的强耦合作用造成系统失效形式、失效层级比较复杂,这就要求面向风电机组的故障诊断方法向系统性方法提升,而现有故障特征提取方式难以达到这一要求。为此,本文基于流形学习维数化简理论开展了稳定性、自动化、高精度、快速性与通用性相统一的风电机组传动系统智能故障诊断方法研究。本文主要研究内容如下: ①针对目前的模式识别方法自适应模式识别特性不强,模式识别精度的稳定性不好的问题,基于最小二乘支持向量机(LS-SVM),提出了两种解决方案。一是将LS-SVM的训练模型视为最优化问题的目标函数,采用遗传算法对LS-SVM的指数参数、补偿参数和惩罚因子进行全局寻优,使目标函数达到极值,从而实现LS-SVM稳定性的提高。二是通过构造可更好地逼近LS-SVM的训练目标函数和决策函数,具有更好非线性映射能力的小波核Littlewood-Paley、Shannon、Morlet来提高LS-SVM的自适应分类特性即稳定性。另外还研究了直接利用训练样本的局部和类标签信息来对测试样本进行分类的最近邻分类器(KNNC)。理论分析、仿真实验和风电机组轴承故障诊断实例表明小波支持向量机LPWSVM、SWSVM、MWSVM和KNNC的诊断精度、稳定性与遗传算法分层优化LS-SVM等效,但计算效率优于遗传算法分层优化LS-SVM。通过以上研究为风电机组故障诊断提供了改进的、高效的、稳定的模式识别方法。 ②针对当前故障诊断通行模式无法实现自动化与高精度的结合,因而无法适应风电机组故障诊断技术需求的问题,提出一种基于主分量分析(PCA)和前向传播(BP)神经网络维数调整的风电机组故障诊断模型。该模型采用双谱相关值特征矩阵的奇异值谱作为故障特征,用PCA对超高维的奇异值谱进行快速降维,由BP神经网络来增强PCA的非线性处理能力,又通过SWSVM对BP网络输出结果进行校正。理论分析、仿真实验和风电机组轴承故障诊断实例表明该诊断模型解决了双谱应用于风电机组故障诊断的难题,实现了风电机组故障诊断自动化与高精度的结合。 ③在实现风电机组传动系统故障诊断自动化与高精度的基础上,为进一步解决传动系统故障诊断快速性和通用性的问题,提出了基于流形学习特征约简理论的新型传动系统智能故障诊断模式“混合域特征融合→流形学习特征约简→模式识别”,并根据该模式构建了智能故障诊断新模型:“时频域特征融合/EMD与AR模型系数融合—正交局部保持映射(OLPP)/正交邻域保持嵌入(ONPE)/线性局部切空间排列(LLTSA)—小波支持向量机(WSVM)/KNNC”。理论分析、仿真实验和风电机组轴承故障诊断实例表明该诊断模型充分发挥了混合域特征融合的故障特征全面提取优势、流形学习的特征化简优势以及人工智能的模式识别优势,并且该模型以上三个技术环节都具有较好的时效性,因此可实现风电机组故障诊断的自动化、高精度、快速性与通用性的统一。流形学习维数约简理论、混合域特征融合方法和新型风电机组智能故障诊断模式的研究进一步丰富和发展了风电机组故障诊断理论和技术。 ④以智能故障诊断理论模型为核心,研发了风力发电机组状态监测与故障诊断系统,该系统包含数据采集及信号传输,数据库存储管理,数据远程访问,状态监测、智能故障诊断、人机交互等多代理功能,可实现风电机组状态监测与故障诊断技术的系统集成。 文章最后对本文的工作进行了总结,并展望了下一步的研究方向。 【关键词】：风电机组 模式识别 流形学习 混合域特征融合 智能故障诊断
【学位授予单位】：重庆大学
【学位级别】：博士
【学位授予年份】：2011
【分类号】：TM315;TP181
【目录】：

• 中文摘要3-5
• 英文摘要5-12
• 1 绪论12-24
• 1.1 课题背景和研究意义12-15
• 1.2 风电机组故障诊断技术现状15-20
• 1.2.1 故障特征提取技术研究现状15-17
• 1.2.2 模式识别技术研究现状17-18
• 1.2.3 故障诊断解决策略研究现状18-20
• 1.3 本文主要工作20-22
• 1.4 本文结构安排22-24
• 2 面向风电机组故障诊断的模式识别稳定性研究24-52
• 2.1 遗传算法分层优化最小二乘支持向量机24-38
• 2.1.1 最小二乘支持向量机24-25
• 2.1.2 遗传算法分层优化多项式核的多类LS-SVM25-29
• 2.1.3 遗传算法分层优化LS-SVM 的仿真验证和应用实例29-38
• 2.2 小波核函数改进支持向量机38-47
• 2.2.1 平移不变支持向量核的条件39
• 2.2.2 Littlewood-Paley、Shannon、Morlet 小波核函数39-41
• 2.2.3 小波支持向量机的仿真验证和应用实例41-47
• 2.3 最近邻分类器47-50
• 2.3.1 最近邻分类器算法47
• 2.3.2 最近邻分类器的仿真验证和应用实例47-50
• 2.4 本章小结50-52
• 3 基于主成分分析和 BP 网络维数调整的风电机组故障诊断自动化与高精度研究52-66
• 3.1 主成分分析53-54
• 3.2 BP 神经网络54-56
• 3.3 基于PCA 和BP 神经网络维数调整的风电机组故障诊断模型56-57
• 3.4 基于PCA 和BP 神经网络维数调整的故障诊断模型应用实例57-64
• 3.5 本章小结64-66
• 4 基于流形学习和混合域特征融合的风电机组故障诊断快速性与通用性研究66-104
• 4.1 正交局部保持映射(OLPP)67-69
• 4.1.1 正交局部保持映射维数约简的问题描述67
• 4.1.2 正交局部保持映射算法67-68
• 4.1.3 正交局部保持映射的理论依据68-69
• 4.2 正交邻域保持嵌入(ONPE)69-71
• 4.2.1 正交邻域保持嵌入维数约简的问题描述69
• 4.2.2 正交邻域保持嵌入算法69-70
• 4.2.3 正交邻域保持嵌入的理论依据70-71
• 4.3 线性局部切空间排列(LLTSA)71-73
• 4.3.1 线性局部切空间排列维数约简的问题描述71
• 4.3.2 线性局部切空间排列维数约简算法71-72
• 4.3.3 线性局部切空间排列维数约简的理论依据72-73
• 4.4 基于流形学习特征约简的风电机组故障诊断模型73-74
• 4.5 基于流形学习特征约简的风电机组故障诊断模型应用实例74-84
• 4.6 混合域特征融合84-87
• 4.6.1 EMD 与AR 模型系数融合85-87
• 4.6.2 时域特征与频域特征融合87
• 4.7 用混合域特征融合改进基于流形学习特征约简的故障诊断模型87-88
• 4.8 基于混合域特征融合和流形学习特征约简的风电机组故障诊断模型应用分析88-102
• 4.9 本章小结102-104
• 5 风电机组状态监测与故障诊断系统设计104-132
• 5.1 系统总体设计104-107
• 5.1.1 需求分析104-105
• 5.1.2 总体设计105-107
• 5.2 系统硬件设计107-111
• 5.2.1 传感器、采集卡、无线声发射传感器网络节点的选型107-108
• 5.2.2 传感器的安装108-109
• 5.2.3 测点布置109-111
• 5.2.4 前端采集构架111
• 5.3 系统软件设计111-119
• 5.3.1 开发语言选择、操作系统配置要求111-112
• 5.3.2 数据库构建112-113
• 5.3.3 数据采集软件设计113
• 5.3.4 监控维护集成分析软件设计113-119
• 5.4 应用实例119-131
• 5.4.1 风电机组发电机输入端轴承故障诊断119-125
• 5.4.2 空间活动件内部轴承寿命状态识别125-131
• 5.5 本章小结131-132
• 6 结论与展望132-136
• 6.1 结论132-134
• 6.1.1 全文总结132-133
• 6.1.2 主要创新点133-134
• 6.2 研究展望134-136
• 致谢136-138
• 参考文献138-148
• 附录148-149
• A. 作者在攻读博士学位期间发表的论文目录148-149
• B. 作者在攻读博士学位期间参加的科研项目149

您可以在本站搜索以下学术论文文献来了解更多相关内容

振动谱表征空间滚动轴承寿命状态方法研究    陈仁祥

基于独立分量分析特征提取的故障诊断系统    屈微;刘贺平;张德政;

基于小波神经网络的风力发电机故障诊断    庄哲民;殷国华;李芬兰;江钟伟;

基于交叉验证法的BP神经网络在汽轮机故障诊断中的应用    丁常富;王亮;

遗传算法优化最小二乘支持向量机的故障诊断    李锋;汤宝平;刘文艺;

基于遗传算法与BP神经网的风力发电机齿轮箱故障诊断研究    周培毅;张新燕;张华中;

基于双谱分析的齿轮故障诊断研究    熊良才,史铁林,杨叔子

神经网络与遗传算法在优化设计中的结合运用    刘瑞斋;

基于局部线性嵌入和最近特征线的人耳识别    谢朝霞;穆志纯;谢建军;

基于Elman神经网络的旋转机械故障诊断    汤宝平;习建民;李锋;

基于流形学习和隐Markov模型的故障诊断    邓蕾;李锋;姚金宝;

风力发电机组关键部件的有限元分析    许燕

基于DE—BP算法的空调负荷预测研究    冀卫兴;陈忠海;方筝;

EMD在汽车变速齿轮箱振动故障分析的应用    张德祥;吴小培;卢一相;

基于BP网络模型的青弋江水质预测研究    李峻;孙世群;

BP神经网络在青弋江水质评价上的应用    李峻;孙世群;

基于支持向量机遥感图像融合分类方法研究进展    郭立萍;唐家奎;米素娟;张成雯;赵理君;

基于NC-SVM的酵母蛋白功能预测研究    王婷婷;黄燕;

人群运动与密度估计技术研究    王尔丹

最小二乘支持向量机的研究与应用    冯学军;

建筑物沉降预测的改进Verhulst模型研究    周德强;冯建中;

Temperature Drift Modeling of FOG based on LS-WSVM    王立平;孔小梅;付梦印;王美玲;张甲文;姜明;

基于核偏最小二乘的简约最小二乘支持向量机及其应用研究    宋海鹰;桂卫华;阳春华;

基于最小二乘支持向量机的Hammerstein-Wiener模型辨识    宋海鹰;桂卫华;阳春华;

Inverse System Control of Nonlinear Systems Using LS-SVM    

A Novel Proximal Support Vector Machine and Its Application in Radar Target Recognition    

A CDMA Signal Receiver based on LS-SVM    

LS-SVM based Stable Generalized Predictive Control    

一种新的提前一步预测控制算法    阎纲;梁昔明;龙祖强;李翔;

基于模糊支持向量机的赖氨酸发酵软测量    孙玉坤;王博;丁慎平;

GA based LS-SVM Classifier for Waste Water Treatment Process    

有监督的等距映射和k近邻分类结合用于集员辨识    柴伟;孙先仿;乔俊飞;

半监督支持向量机学习算法研究    赵莹

分布式电源的概率建模及其对电力系统的影响    王敏

单点氨基酸多态性与疾病相关关系的预测及其机制研究    李书艳

多尺度线调频基稀疏信号分解及其在齿轮箱故障诊断中的应用    彭富强

电能质量扰动相关问题研究    张明

钢球表面缺陷检测关键技术研究及样机研制    王义文

基于数据驱动的故障诊断模型及算法研究    吕宁

基于进化算法的复杂化工过程智能建模方法及其应用    许伟

支持向量回归机代理模型设计优化及应用研究    向国齐

空间数据分析的神经计算方法    桑永胜

基于颜色和纹理特征的竹条分级方法研究    曾传华

一种基于聚类的支持向量机反问题求解算法    朱杰

Hilbert-Huang变换改进算法及其在齿轮箱故障诊断中的应用研究    高昌鑫

煤矿通防安全信息集成与控制预警系统平台研究    李旭东

基于支持向量机的人民币序列号识别方法的研究    田文娟

基于3S的土地督察信息系统研究    孟培培

青岛华威风电场风能资源分析及选址关键技术研究    张琴

不平衡数据集上支持向量机算法研究    刘维会

吉林省洮南风电场选址及长远发展分析    陈海清

支持向量机在金融市场预测中的应用    李海清

基于独立分量分析特征提取的故障诊断系统    屈微;刘贺平;张德政;

润滑脂的动态分油能力对轴承振动性能的影响    吴宝杰,刘庆廉,李兴林,周银生

基于小波和奇异谱降噪理论的轴承故障诊断研究    李峰,张英堂,王宁,宋兵,周宝成

套圈制造精度对滚动轴承振动与噪声的影响    赵惠玲,贾峰一,李旭东,常洪

滚动轴承微动磨损导致的振动分析    裴礼清,赵丽萍

表面粗糙度对轴承振动的影响    汪久根;王庆九;章维明;

滚动轴承可靠性加速寿命试验研究    王坚永，庄中华，吴秀鸾，汤洁

基于小波神经网络的风力发电机故障诊断    庄哲民;殷国华;李芬兰;江钟伟;

滚动轴承振动测量物理量和测量条件的探讨    杨晓蔚;

基于遗传算法与BP神经网的风力发电机齿轮箱故障诊断研究    周培毅;张新燕;张华中;

球轴承振动的研究    赵联春

高速主轴用滚动轴承性能分析与试验研究    刘振宇

真空环境中固体润滑轴承损伤机理研究    闻凌峰

基于神经网络与规则库的故障诊断专家系统    鞠万群,韩秋实

声信号分析方法在轴承故障诊断中的应用    张武军,徐金梧,杨德斌,周艳玲,王海峰

外耳形状特征和内耳结构特征结合的人耳特征提取    穆志纯;席德春;徐正光;袁立;

土木工程结构安全性评估、健康监测及诊断述评    李宏男,李东升

HHT方法在电力系统故障信号分析中的应用    李天云,赵妍,季小慧,李楠

机械故障诊断中常用解调方法的比较及应用    马晓建,陈瑞琪,吴文英,周保堂,贺世正

基于Dempster-Shafer证据理论的信息融合在设备故障诊断中应用    王奉涛,马孝江,朱泓,王志鹏

基于J2EE的汽轮机远程监测和故障诊断系统    董辛旻,韩捷,毛清华

BP神经网络改进算法在电气故障诊断系统中的应用    李季,严东超

电子电路故障诊断的神经网络数据融合算法    朱大奇,于盛林

局域波时频分析方法的理论研究与应用    盖强

智能故障诊断中的机器学习新理论及其应用研究    马笑潇

希尔伯特—黄变换局瞬信号分析理论的研究    钟佑明

航空电子设备故障诊断技术研究    朱大奇

神经网络和证据理论集成的数据融合故障诊断方法研究    李冲祥

模糊综合评判在风力发电设备诊断中的应用    张登峰;郝伟;郝旺身;董辛旻;

基于神经网络和混合编程的整流桥故障诊断研究    沈枫;王孟莲;梁树甜;

模糊Petri网在液压泵故障诊断中的应用研究    方桂花;赵永;李绪省;

跟踪判断筛检法在液压系统故障诊断中的应用    李建福;

工程机械液压系统故障的现场检测与诊断    连伟;王汉章;

基于证据理论聚类算法的故障诊断    洪贝;胡昌华;姜学鹏;

飞机健康管理综述    熊天翔;

微机辅助电路调试中的故障诊断    田璧元,贾新华

舰船武备系统故障诊断算法的探讨    杨国柱;周耕书;

滚动轴承故障诊断技术的研究(上)    朱昶基,胡用生,陈健凡,刘继

磨煤机的故障诊断    刘仁德;胡申辉;徐家倬;

振动信号时间序列建模在故障诊断中的应用    戴乐云;李建康;

汽轮机故障诊断文本支持系统的研究与建立    李晓栋;胡清华;

遗传算法在故障诊断中应用的新方法    王航;于歆杰;

频谱分析技术在滚动轴承故障诊断中的应用    单鸿鹏;关月红;

基于卫星通信的船舶冷藏集装箱远程故障诊断系统    张珍;韩厚德;陈宝忠;

高速回转轴油膜振荡故障诊断分析    卫红梅;段滋华;

EMD及其在声发射检测中的应用研究    阳能军;汤伟;龙宪海;雷涛;

基于瞬时转速的斯特林发动机循环系统故障诊断研究    蔡勇;王晓武;潘卫明;

电喷发动机非正常熄火的故障诊断分析    黄忠民;

液压制动系统的故障诊断    黄安华

济钢EAM离线网络点检和故障诊断管理系统开发应用    李萍

上海海大一课题列入国家“863”计划    胡荣山 马巍

小型渔船柴油机故障诊断与排除    孙建阳　刘波

孙彦广：冶金故障诊断设备前景广阔    见习记者 仝亚娜

网卡故障诊断    小田

干式复合“粘边”故障诊断    陈全东

大型天然气装置实现网络化监测    龚献荣

济钢网络化设备点检与故障诊断管理系统上线运行    周传勇 杜慧

WLAN也有“线”    汤怀京

基于流形学习的风电机组传动系统故障诊断方法研究    李锋

基于有向图模型的故障诊断方法研究及其在航天中的应用    宋其江

基于过程信息融合的旋转机械信息（火用）故障诊断研究    陈非

计算智能在机械设备故障诊断中的应用研究    冯志鹏

基于统计学方法的自适应过程监控与故障诊断    何小斌

基于PLS的统计质量监控研究与应用    宋凯

复杂机械基于数据的建模与故障诊断    李敏

航空发动机故障诊断的融合技术研究    鲁峰

机电系统故障诊断的理论与应用研究    蒋斌

挖泥船动力机械远程诊断系统关键技术研究    盛晨兴

大型汽轮发电机故障诊断专家系统诊断处理子系统的研究    王明秀

基于神经网络的水轮发电机组振动故障诊断专家系统的研究    刘峰

地空导弹混合智能故障诊断专家系统的设计与实现    许东

基于规则的数据挖掘方法在故障诊断中的应用    石金彦

基于小波变换的旋转机械故障诊断    周春健

基于Web的远程监测与故障诊断系统研究    陈洁

汽车发动机故障诊断专家系统的开发研究    辛惠娟

基于小波的导弹测试信号处理与故障诊断    刘满国

关于独山子炼油厂进料泵的故障诊断    朱胜利

基于神经网络的工程结构在线监测与故障诊断研究    李晓彬