买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广东技术师范大学

摘要：本发明公开了一种基于CEEMDAN‑SP‑CNN的海上风电机组故障诊断方法，包括：获取海上风电机组状态监测的多源时间序列数据并进行预处理，构建含两级故障分类标签的原始数据集；采用CEEMDAN算法对原始数据集中的特征信号进行模态分解，获取若干个本征模态分量IMF和一个残差分量，计算每个IMF的样本熵，并重构信号，形成一维时间序列特征数据集；采用GAF将一维时间序列特征数据集中的一维时间序列转换为二维图像，形成二维图像特征数据集；将一维时间序列特征数据集和二维图像特征数据集中数据分别输入已训练好的SP模型和CNN模型中，将两个模型的故障诊断结果融合得到最终的故障诊断结果。本发明可有效实现对不同类型故障的准确诊断。

主权项：1.基于CEEMDAN-SP-CNN的海上风电机组故障诊断方法，其特征在于，包括以下步骤：S1、获取海上风电机组状态监测的多源时间序列数据并进行预处理，构建含两级故障分类标签的原始数据集，其中一级故障分类标签为不同类型的部件故障，二级故障分类标签为各部件的不同类型故障，具体如下：从风电场SCADA监测系统和振荡监测系统获取海上风电机组状态监测的多源时间序列数据，然后执行以下操作：S11、对获取的多源时间序列数据进行预处理，包括采用箱线图四分位法识别数据中的异常值及采用拉格朗日插值法进行替换和插补；S12、根据海上风电机组的故障日志，预处理后的数据设置两级故障分类标签，一级故障分类标签为不同类型的部件故障，称为一级部件故障类别标签，其标签集为：，P为一级部件故障总类别数，为部件类别为P的故障部件标签；二级故障分类标签为各部件的不同类型故障，称为二级故障类别标签，其标签集为，Q为每类一级部件故障包含的总故障类别数，为当前一级部件故障类别标签下二级故障类别为Q的故障标签；S13、采用多种相关系数法相结合来选取对不同一级部件故障影响大的监测量作为特征，形成特征数据集，其中，所述特征数据集中的特征包括风速、风向、转速、温度、电压、电流、输出功率和振动信号；S14、利用最大值-最小值方法对特征数据集进行归一化处理，得到含两级分类标签的原始数据集；S2、采用完全集合经验模态分解CEEMDAN算法对原始数据集中的特征信号进行模态分解，获取若干个本征模态分量IMF和一个残差分量，计算每个IMF的样本熵，并重构信号，形成一维时间序列特征数据集；S3、采用格拉姆角场GAF将重构后的一维时间序列特征数据集中的一维时间序列转换为二维图像，并设置二维图像的一级和二级故障分类标签，形成二维图像特征数据集；S4、将一维时间序列特征数据集中数据输入已训练好的SP模型中，输出一级和二级故障分类标签，即SP模型的故障诊断结果，其中SP模型为基于稀疏表示的故障诊断模型，用于挖掘多源时间序列数据与故障之间的关联关系；将二维图像特征数据集中数据输入已训练好的CNN模型中，输出一级和二级故障分类标签，即CNN模型的故障诊断结果，其中CNN模型为基于卷积神经网络的故障诊断模型，用于挖掘二维图像与故障类别之间的关联关系；最后，通过决策融合方法将SP模型和CNN模型的故障诊断结果进行融合，得到最终的故障诊断结果。

全文数据：

权利要求：

百度查询： 广东技术师范大学 基于CEEMDAN-SP-CNN的海上风电机组故障诊断方法