申请/专利权人：青岛百恒新能源技术有限公司

申请日：2024-04-22

公开（公告）日：2024-06-28

公开（公告）号：CN118094195B

主分类号：G06F18/213

分类号：G06F18/213;G01M13/00;G06F18/27;G06N3/0464;G06N3/08;G06Q50/06

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2024.06.14#实质审查的生效;2024.05.28#公开

摘要：本发明涉及风电机组振动检测技术领域，具体为一种风电机组振动检测系统及其使用方法，包括第一特征提取单元、第二特征提取单元、特征选择单元、模型构建单元、故障检测单元和模型训练单元，还包括：风电机组模型搭建单元，所述风电机组模型搭建单元用于利用GH‑Bladed软件对目标风电机组进行仿真模型搭建，从而得到风电机组仿真模型，将所述风电机组仿真模型传输至数据仿真单元。本发明通过建立仿真模型，可以实现对风电机组在不同工况下的振动情况进行模拟和预测，为后续的故障检测提供基础数据和参考依据，并且通过时域特征和频域特征的提取可以帮助系统捕获振动信号的重要信息，为后续的特征选择和故障诊断提供基础数据。

主权项：1.一种风电机组振动检测系统，包括第一特征提取单元（4）、第二特征提取单元（5）、特征选择单元（6）、模型构建单元（7）、故障检测单元（8）和模型训练单元（9），其特征在于：风电机组模型搭建单元（1），所述风电机组模型搭建单元（1）用于利用GH-Bladed软件对目标风电机组进行仿真模型搭建，从而得到风电机组仿真模型，将所述风电机组仿真模型传输至数据仿真单元（2）；数据仿真单元（2），所述数据仿真单元（2）对风电机组模型搭建单元（1）传输的所述风电机组仿真模型进行接收，并对所述风电机组仿真模型进行模拟仿真，从而得到所述风电机组仿真模型的仿真振动信号，所述仿真振动信号包括所述风电机组仿真模型正常运行和不平衡故障运行时的仿真振动信号，将所述仿真振动信号传输至振动信号分解单元（3）和第一特征提取单元（4）；振动信号分解单元（3），所述仿真振动信号分解单元（3）对数据仿真单元（2）传输的所述仿真振动信号进行接收，并通过信号分解方法对所述仿真振动信号进行信号分解，从而得到所述仿真振动信号的振动信号分量，将所述振动信号分量传输至第二特征提取单元（5）；所述第一特征提取单元（4）对数据仿真单元（2）传输的所述仿真振动信号进行接收，并对所述仿真振动信号的时域特征和频域特征进行提取，所述时域特征包括均值、方差、标准差、峰度、偏度、最大值、最小值、时域能量和方根均方，所述频域特征包括频谱、频率成分、谱带宽、峰值频率、中心频率、频谱斜度、频域能量、谱峰、频率分布和频谱密度，将所述时域特征和频域特征传输至特征选择单元（6）；所述第二特征提取单元（5）对振动信号分解单元（3）传输的所述振动信号分量进行接收，并对所述振动信号分量的时频域特征进行提取，所述时频域特征包括能量特征、能量比重和能量熵，将所述时频域特征传输至特征选择单元（6），所述能量特征表达式如下： ；其中，表示能量特征，表示第i个振型函数的分量，T表示时间窗口的总长度；所述能量比重表达式如下： ；其中，表示能量比重，表示总能量；所述能量熵表达式如下： ；其中，表示能量熵；所述特征选择单元（6）对第一特征提取单元（4）传输的所述时域特征和频域特征以及第二特征提取单元（5）传输的时频域特征进行接收，通过特征选择方法对所述时域特征、频域特征和时频域特征进行特征选择，从而得到特征变量集，将所述特征变量集传输至模型训练单元（9）；所述模型构建单元（7）用于基于多尺度卷积神经网络构建风电机组故障检测模型，将所述风电机组故障检测模型传输至模型训练单元（9），所述风电机组故障检测模型包括输入层、多尺度特征提取模块、卷积池化层和输出层；所述模型训练单元（9）对特征选择单元（6）传输的所述特征变量集和模型构建单元（7）传输的所述风电机组故障检测模型进行接收，并通过连续小波变换将所述特征变量集中的各个特征变量转换为时频图，将所有特征变量的时频图整合至时频图数据集，基于DeepFool算法将所述时频图数据集构建为对抗数据集，基于时频图数据集和对抗数据集构建混合数据集，将所述混合数据集按预设比例分为训练集、验证集和测试集，通过所述训练集对所述风电机组故障检测模型的参数和迭代次数进行设定，若迭代轮数大于设定的迭代次数，则通过所述验证集来进行超参数调整以优化模型，从而得到训练好的风电机组故障检测模型，并将所述训练好的风电机组故障检测模型传输至故障检测单元（8），否则，则计算损失函数，并应用随机梯度下降算法来优化模型参数，且将迭代轮数加1，并重复进行迭代轮数与设定的迭代次数的比对及其后续操作，直到迭代轮数大于设定的迭代次数，并通过所述测试集测试所述训练好的风电机组故障检测模型的性能；所述故障检测单元（8）对模型训练单元（9）传输的所述训练好的风电机组故障检测模型进行接收，并将需要检测的时频图数据集输入至所述训练好的风电机组故障检测模型中，通过所述训练好的风电机组故障检测模型输出故障类型。

全文数据：

权利要求：

百度查询： 青岛百恒新能源技术有限公司 一种风电机组振动检测系统及其使用方法

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