基干S能量熵直驱式风电机组故障诊断方.doc

基干S能量熵直驱式风电机组故障诊断方 　　摘 要：及时准确发现风机主轴故障，对直驱式风电机组安全经济运行具有重要意义。针对这一问题，该文提出一种基于S能量熵的直驱式风电机组轴承故障诊断方法。该方法利用广义S变换分析直驱式风机轴承振动信号的时频特性，使信号的主要能量在时频域分布更加集中，提高了信号的时频集聚性，并通过能量熵对广义S矩阵进行特征提取，构成故障分析向量，结合VPMCD方法建立故障诊断模型，对故障分析向量进行分析诊断。该文故障诊断方法对信号进行广义S变换，对变换结果采用能量熵提取特征，通过基于VPMCD方法的故障诊断模型判断运行状态。将该文方法应用于风电机组轴承故障诊断中，实验结果证明了该方法的可行性和有效性 关键词：广义S变换 能量熵 VPMCD 风电机组 故障诊断 中图分类号：TM315 文献标识码：A 文章编号：1672-3791（2016）10（b）-0036-04 Bearing Fault Diagnosis Methods of Direct Drive Type Wind Power Generator Based on S Energy Entropy Wang Zijia （Datang Environment Industry Group CO..Ltd， Beijing， 100097， China） Abstract：Find the bearing failure timely and accurately， is of great significance to the safe and economic operation of direct drive type wind power generator. Therefore， a method named feature extraction based on S energy entropy was brought up in this paper. This method adopted the generalized S transform to adjust the time-frequency resolution of the vibration signals， that way the main energy of the vibration signals would gather more in the time-frequency domain， which improves the time-frequency concentration of the signals. The generalized S matrix was then reconstructed by utilizing the energy entropy to extract the feature and build the fault analysis vector. Eventually， through utilizing the variable predictive model based class discriminate （VPMCD） and constructing the fault identification model. The experimental results prove that the proposed method applied to the bearing fault diagnosis acquires a better correction rate. Key Words：Generalized S transform； Energy entropy； VPMCD； Wind power generator； Fault diagnosis 在?力行业，随着近年来我国对新能源的高度重视，风力发电的装机容量不断增加[1]。随着风电在电力系统所占比重不断上升，对于提高设备整体质量、降低发电成本都势在必行[2]。而现今风电场普遍采用的人员定期维护这一“被动式检修”模式，不能在风机出现故障的早期及时发现处理，由此造成严重的经济损失[3]。并且风电场多处在恶劣环境下，运行工况复杂，干扰因素众多，制约着风电机组故障智能检测技术的发展 S变换是一种具有高信噪比的时频分析工具，很多国内外学者对其进行了深入的研究，并对算法做出了改进[4]。由于S变换在高频区的分辨率较低，导致当信号为非平稳复杂信号时，得到的S矩阵在时频域内分布杂乱，没有明显的规律，选择合理的特征提取区域较为困难[5]。相比S变换，广义S变换具有更加灵敏的窗函数，可以通过调节其时频分辨率使