基于证据理论的风电机组故障诊断研究

【摘要】：风电机组的故障诊断是风力发电中的一项重要技术。随着风电产业的蓬勃发展,风电机组故障诊断方面不断有新的、更高的要求被提出来。风电机组的故障诊断具有重大意义。证据理论在处理不确定性信息时更加方便快捷,广泛应用于根据多源信息进行故障诊断。风电机组故障多源信息表示、不确定性等特点使得证据理论成为融合诊断的一种合适选择。基于证据理论的多源信息融合方法,本文将该方法应用于风力发电机组故障诊断,具体包括以下三点:(1)介绍了信息融合技术基本原理与信息融合处理模型,并给出了信息融合在数据级、特征级以及决策级三个层次上的融合模型,分析了该技术时如何处理故障信息,并在故障诊断得到应用的。通过对证据理论基本框架和相应组合规则的研究,总结了相关的基于证据理论的故障诊断方法。针对风力发电机组故障诊断,分析了基于证据理论的多源信息融合方法的可行性。(2)通过对相对熵原理的研究应用,解决了证据理论融合过程中原始证据高度冲突对融合结果的影响。根据多个传感器得到的证据重要性不同,通过相对熵原理判断每个证据影响因子的大小,即通过赋予每个证据不同的权值,从而削弱或放大每个证据的影响力。将该方法应用于风电机组轴承故障诊断中,取得良好的诊断效果。该方法通过加速度传感器提取轴承故障振动信号,采用经验模态分解法(EMD)分解故障振动信号,采集包络谱特征频率,作为故障特征量。通过与各故障样本频率比较,做出初步诊断;引入灰色理论中的相关性原理,获取原始证据;利用相对熵原理对原始证据分配相应权值,最后通过D-S组合规则对修改后的证据进行融合。(3)在现实故障诊断中,外界环境的影响使得证据理论的应用存在一定的不足,即从不完整、不确定信息中提取BPA(基本概率赋值函数)还存在一定的限制。本文通过对基于随机集的信任测度和基于随机集的似真测度进行含糊化处理,该方法能够很好的提取证据理论的BPA(基本概率赋值函数);在对风力发电机进行故障诊断时也能够取得较好的诊断结果。通过比较,含糊化处理不确定性信息比模糊化处理不确定性信息的效果更好,更能客观全面地体现不确定信息的本质内容,大大提高故障的识别诊断能力。该方法不仅适用于风电系统的故障诊断,也可用于诊断其他的机电设备的不确定性故障。 【关键词】：证据理论 风电机组故障诊断 相对熵 随机理论 含糊集
【学位授予单位】：上海电机学院
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM315
【目录】：

• 摘要5-7
• ABSTRACT7-12
• 第一章 绪论12-25
• 1.1 课题的研究背景及意义12-14
• 1.2 证据理论方法14-16
• 1.2.1 证据理论概述14-15
• 1.2.2 证据理论在故障诊断中应用15-16
• 1.2.3 证据理论应用存在的问题及改进16
• 1.3 风电机组故障诊断的概述16-23
• 1.3.1 国内外研究现状16-18
• 1.3.2 风力发电机组的主要结构及故障类型18-23
• 1.4 论文的主要研究内容及结构安排23-25
• 1.4.1 主要研究内容23
• 1.4.2 结构安排23-25
• 第二章 基于证据理论的多源信息融合25-38
• 2.1 引言25
• 2.2 信息融合技术25-28
• 2.2.1 信息融合技术的特点25-26
• 2.2.2 信息融合的级别26-28
• 2.3 证据理论的理论基础28-34
• 2.3.1 证据理论概念28-30
• 2.3.2 D-S证据理论的组合规则30
• 2.3.3 证据理论的决策准则30-31
• 2.3.4 证据理论应用案例31-34
• 2.4 证据理论应用存在的问题34-36
• 2.5 证据理论在信息融合中的应用36-37
• 2.5.1 基于证据理论的故障信息融合诊断框架36-37
• 2.5.2 证据理论在风电机组故障诊断中的应用37
• 2.6 本章小结37-38
• 第三章 基于相对熵和灰色理论的证据理论研究38-55
• 3.1 引言38
• 3.2 基于相对熵原理的冲突证据处理方法38-43
• 3.2.1 相对熵原理39
• 3.2.2 基于相对熵的冲突证据合成39-41
• 3.2.3 改进方法案例分析41-43
• 3.3 基于灰色理论的证据获取方法43-46
• 3.3.1 灰色理论43-44
• 3.3.2 基于灰色关联度获取BPA44-45
• 3.3.3 算例分析45-46
• 3.4 基于相对熵和灰色理论的风电机组轴承故障诊断方法46-47
• 3.5 风力发电机组轴承故障诊断实例47-54
• 3.5.1 故障特征提取47-52
• 3.5.2 获取BPA52-53
• 3.5.3 证据融合53-54
• 3.6 本章小结54-55
• 第四章 基于随机集含糊证据的风力发电机故障诊断55-64
• 4.1 引言55
• 4.2 含糊集的随机集描述55-58
• 4.2.1 随机集和模糊集理论55-56
• 4.2.2 含糊集的基本概念56-57
• 4.2.3 含糊集的随机集表示方法57-58
• 4.3 故障诊断模型的建立58-59
• 4.4 基于随机集含糊信息融合诊断方法59-61
• 4.4.1 故障样本模式知识库的建立59-60
• 4.4.2 故障待检模式信息的获取60
• 4.4.3 基于随机集含糊证据BAP的获取方法60-61
• 4.5 诊断系统在风力发电机故障诊断应用实例61-63
• 4.5.1 实验环境61-62
• 4.5.2 实验过程62-63
• 4.6 小结63-64
• 第五章 总结与展望64-66
• 5.1 总结64-65
• 5.2 展望65-66
• 参考文献66-71
• 致谢71-72
• 攻读硕士学位期间取得的研究成果72

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

D-S证据理论及其改进算法研究    曾元鉴;

关于证据理论中辨识框不同类型下的信息综合    夏祖勋，刘同明，解洪成

证据理论及其应用    倪明，单渊达

基于改进的D-S证据理论在设备故障诊断中的应用    齐占伟;辜承林;

D-S证据理论在多传感器目标识别中的改进    董彦佼;韩元杰;刘洁莉;

证据理论支持下的多专家求解理论框架    郑德玲，汤新蓓

基于证据理论的最佳联盟评价方法研究    张建华,陈新,王红军

对证据理论检测显著误差的研究    周凌柯,刘瑞兰

D-S证据理论的不足及其数学修正    陈炜军;景占荣;袁芳菲;朱安福;

基于D-S证据理论的多特征数据融合算法    宋建勋;张进;吴钦章;

对D-S证据理论几种改进方法的分析与讨论    马永一;沈怀荣;彭颖;

基于D-S证据理论的多专家意见综合方法    郑德玲;汤新蓓;方巍;王俊然;

证据理论的改进及其应用    孙怀江;杨静宇;

一种基于D-S证据理论的情感辨识算法    潘巍;王阳生;

对证据理论检测显著误差的研究    周凌柯;刘瑞兰;

基于D-S证据理论的改进算法的研究    孔鹏程;周健;

证据理论在机构评价与选型中的应用    赵韩;方艮海;王勇;

基于证据理论的施工中人为过失改错效果的评估方法    谢楠;李靖;李建爽;黄绚烨;

模糊证据理论的深入研究    马小平;汪永东;樊阳;

D-S证据理论在多传感器身份融合中的改进    朱靖;王晨熙;鄢茂林;郑义成;

基于证据理论的分类方法研究    李海生

证据理论研究及其在矿井突水预测中的应用    肖建于

后现代证据理论研究    栗峥

基于证据理论的在轨航天器故障诊断方法研究    梁伟光

多传感器信息融合理论及在矿井瓦斯突出预警系统中的应用研究    缪燕子

基于证据理论的不确定性量化方法及其在可靠性工程中的应用研究    锁斌

基于证据理论的不确定性处理研究及其在测试中的应用    肖明珠

基于改进D-S证据理论的高速列车走行部故障诊断研究    贺晓

基于广义证据理论的多模式智能推理与融合研究    王睿虹

基于Rough集、T-范数和证据理论的属性约简研究    宋姝婷

基于证据理论的在线消费者备选商品评价研究    何俊

基于证据理论的中小企业信用评级研究    杨星亚

基于证据理论的多源信息融合技术研究与应用    郭威

基于证据理论的风电机组故障诊断研究    吴尚

基于D-S证据理论的推理系统研究    刘晓光

证据理论几个关键问题的研究    侯俊

基于证据理论的多源证据分析技术研究    段林珊