[1]宾世杨,张 振,唐俊杰,等.基于机器学习的风电机组机械传动系统故障诊断研究[J].机械与电子,2024,42(01):11-15.
　BIN Shiyang,ZHANG Zhen,TANG Junjie,et al.Research on Fault Diagnosis of Wind Turbine Mechanical Transmission System Based on Machine Learning[J].Machinery & Electronics,2024,42(01):11-15.
点击复制

基于机器学习的风电机组机械传动系统故障诊断研究()
分享到：

《机械与电子》[ISSN:1001-2257/CN:52-1052/TH]

卷:
42
期数:
2024年01期
页码:
11-15
栏目:
研究与设计
出版日期:
2024-01-25

文章信息/Info

Title:
Research on Fault Diagnosis of Wind Turbine Mechanical Transmission System Based on Machine Learning
文章编号:
1001-2257 ( 2024 ) 01-0011-05
作者:
宾世杨; 张 振; 唐俊杰; 唐惜春
国家电投集团广西兴安风电有限公司,广西 桂林 541300
Author(s):
BIN Shiyang ;  ZHANG Zhen ;  TANG Junjie ;  TANG Xichun
( Guangxi Xing ’an Wind Power Co. , Ltd. , State Power Investment Group , Guilin 541300 , China )
关键词:
机器学习; 风电机组; 机械传动系统故障诊断; EMD
Keywords:
machine learning ;  wind turbines ;  mechanical transmission system fault diagnosis ;  EMD
分类号:
TM315 ; TP181
文献标志码:
A
摘要:
为准确诊断风电机组机械传动系统故障,提出一种基于机器学习的风电机组机械传动系统故障诊断方法。通过经验模态分解( EMD )方法分解风电机组机械传动系统振动信号,获取不同频率下的固有模态函数( IMF ),经过对比分析获取可以描述故障特征频率的 IMF 分量,经过重构得到故障信号,使用自相关分析法去除故障信号中的噪声。通过机器学习中的 Lasso 正则化自编码神经网络提取风电机组机械传动系统故障特征,采用改进的粒子群算法对最小二乘支持向量机优化处理,构建分类器,将提取到的样本输入到分类器中,完成风电机组机械传动系统故障诊断。经实验测试证明,所提方法能够高效率、高精度地完成故障诊断处理。
Abstract:
In order to accurately diagnose the faults of the mechanical transmission system of wind turbines , a fault diagnosis method of the mechanical transmission system of wind turbines based on machine learning is proposed.The vibration signal of the mechanical transmission system of the wind turbine is decomposed by the EMD method , and the IMF at different frequencies is obtained.After comparative analysis , the IMF component that can describe the characteristic frequency of the fault is obtained , and the fault signal is obtained through reconstruction and autocorrelation analysis is used to remove noise from faulty signals.The fault features of the mechanical transmission system of wind turbines are extracted through the Lasso regularized self-encoding neural network in machine learning , and the improved particle swarm algorithm is used to optimize the least squares support vector machine , and a classifier is constructed.The extracted samples are input into the classifier to accomplish fault diagnosis of wind turbine mechanical transmission systems.The experimental test proves that the proposed method can complete the fault diagnosis and processing with high efficiency and high precision.

参考文献/References:

[ 1 ] 齐咏生,樊佶,李永亭,等 . 基于增强型形态学滤波的风电机组轴承故障诊断方法[ J ] . 振动与冲击,2021 , 40( 4 ): 212-220.

[ 2 ] 靳志杰,霍志红,许昌,等 . 基于特征选择和 XGBoost的风电机组故障诊断[ J ] . 可再生能源,2021 , 39 ( 3 ):353-358.
[ 3 ] 滕伟,丁显,史秉帅,等 . 基于 WGAN-GP 的风电机组传动链故障诊断[ J ] . 电力系统自动化, 2021 , 45 ( 22 ):167-173.
[ 4 ] 史光宇,徐健,杨强 . 基于卷积神经网络的风电机组轴承机械故障智能诊断方法[ J ] . 华北电力大学学报(自然科学版),2020 , 47 ( 4 ): 71-79.
[ 5 ] 孙鹤旭,孙泽贤,张靖轩 . 基于并行模糊 C 均值聚类的风电机组发电机故障诊断研究 [ J ] . 太 阳能 学报,2020 , 41 ( 3 ): 8-14.
[ 6 ] 李龙,吴高林,张施令 . 高压断路器故障诊断的经验模态分解法应用[ J ] . 电气传动, 2020 , 50 ( 1 ): 8.
[ 7 ] 张晓波,刘保华,于凯本,等 . 基于灰度预测的变长度经验模态分解方法研究[ J ] . 海洋科学进展, 2020 , 38 ( 3 ):493-503.
[ 8 ] 赵寿生,汪卫国,王丰华,等 . 基于统计特征与 EMD 算法的有载分接开关振动信号去噪[ J ] . 电工电能新技术,2020 , 39 ( 1 ): 51-58.
[ 9 ] 赵斌,张闯,李隆,等 . 电力变压器振动检测装置设计及振动信号去噪方法研究[ J ] . 电测与仪表, 2021 , 58 ( 8 ):118-124.
[ 10 ] 王海波,叶如珊,杜武 . 一种基于 EMD 和小波阈值的桥梁振动信号混合去噪方法[ J ] . 公路, 2021 , 66 ( 12 ):110-116.
[ 11 ] 谈渊,甘学辉,张东剑,等 . 基于小波去噪的激光多普勒振动信号处理[ J ] . 激光技术, 2022 , 46 ( 1 ): 129-133.
[ 12 ] 陈健,刘明,熊鹏,等 . 基于卷积自编码神经网络的心电信号降噪[ J ] . 计算机工程与应用,2020 , 56 ( 16 ):148-155.
[ 13 ] 刘钟涛,刘兰淇 . 结合自编码器和卷积神经网络的推荐系统[ J ] . 计算机工程与设计, 2021 , 42 ( 2 ): 559-566.
[ 14 ] 郑泓,蒲城城,王毅,等 . 基于脑结构像的精神分裂症机器学习分类[ J ] . 心理科学进展, 2020 , 28 ( 2 ): 252-265.
[ 15 ] 杨秋菊,周朋辉 . 基于机器学习的极光图像自动分割方法[ J ] . 地球物理学报, 2020 , 63 ( 1 ): 63-72.

相似文献/References:

[1]许 明,卢晓光,刘伟鹏,等.风电机组传动链建模及传动链频率分析[J].机械与电子,2015,(02):34.
　XU Ming,LU Xiaoguang,LIU Weipeng,et al.Modeling and Frequency Analysis for Transmission Chain of Wind Turbines[J].Machinery & Electronics,2015,(01):34.
[2]吴 鹏,许 明,卢晓光.大型风电机组变桨系统超级电容的选择及其自检策略的研究[J].机械与电子,2015,(04):36.
　WU Peng,XU Ming,LU Xiaoguang.Selection and Self-checking Control of Super Capacitor for Large-scale Wind Turbine Pitch System[J].Machinery & Electronics,2015,(01):36.
[3]祁晓笑１,耿丽红２,于永军１,等.风电机组参与调频调压对电网稳定性影响研究[J].机械与电子,2019,(11):50.
　,,et al.Study on the Grid Stability with Frequency and Voltage Regulation of Wind Turbine[J].Machinery & Electronics,2019,(01):50.
[4]王朝东,谢金娟,李松博.分散式风电机组复杂风况下阵风控制及载荷优化设计[J].机械与电子,2020,(01):62.
　,Gust Controller and Load Optimization of Distributed Wind Turbine in Complex Wind Conditions[J].Machinery & Electronics,2020,(01):62.
[5]李鸿奎,程昭龙,周 蕾,等.智能变电站设备管控大数据分析系统研究[J].机械与电子,2020,(10):72.
　LI Hongkui,CHENG Zhaolong,ZHOU Lei,et al.Big Data Analysis System of Intelligent Substation Equipment Management and Control[J].Machinery & Electronics,2020,(01):72.
[6]罗玉平,舒 禹,黄宜健,等.风力发电机组叶片气热法防除冰系统设计[J].机械与电子,2021,(01):34.
　LUO Yuping,SHU Yu,HUANG Yi jian,et al.Design of Antiicing / Deicing System for Wind Turbine Bladesby Air Heating Method[J].Machinery & Electronics,2021,(01):34.
[7]卢晓光１,李凤格２.基于数字孪生的风机实时载荷预估研究[J].机械与电子,2021,(06):24.
　LU Xiaoguang,LI Fengge.Real Time Load Prediction of Wind Turbine Based on Digital Twin[J].Machinery & Electronics,2021,(01):24.
[8]周岳斌,杨 沫,曹煜晖.无线视频监控系统人脸跟踪功能的实现[J].机械与电子,2021,(06):35.
　ZHOU Yuebin,YANG Mo,CAO Yuhui.Realization of Face Tracking Function in Wireless Video Surveillance System[J].Machinery & Electronics,2021,(01):35.
[9]原 军,张 凯,药 炜,等.基于机器学习的分组交换电力光网络流量异常检测[J].机械与电子,2021,(09):47.
　YUAN Jun,ZHANG Kai,YAO Wei,et al.Anomaly Detection of Packet Switching Power Optical Network[J].Machinery & Electronics,2021,(01):47.
[10]刘 哲,闫佳文,陈长金,等.电力线图像检测方法研究[J].机械与电子,2022,(03):54.
　LIU Zhe,YAN Jiawen,CHEN Changjin,et al.Research on Power Line Image Detection Method[J].Machinery & Electronics,2022,(01):54.

备注/Memo

备注/Memo:
收稿日期: 2022-05-05
基金项目:广西电网有限责任公司科技项目( 040600KK52100012 )
作者简介:宾世杨 ( 1986- ),男,广西平南人,工程师,研究方向为风力发电技术;张 振 ( 1990- ),男,宁夏吴忠人,工程师,研究方向为风力发电技术;唐俊杰 ( 1989- ),男,广西资源人,工程师,研究方向为机械设计制造及其自动化;唐惜春 ( 1974- ),男,广西全州人,高级工程师,研究方向为发电运行与安全管理。
更新日期/Last Update: 2024-01-15