中国博士后科学基金(20090460273)
- 作品数：5 被引量：146H指数：5
- 相关作者：安学利蒋东翔李少华陈杰刘超更多>>
- 相关机构：清华大学更多>>
- 发文基金：中国博士后科学基金国家重点基础研究发展计划国家自然科学基金更多>>
- 相关领域：电气工程更多>>
- 基于支持向量机和多源信息的直驱风力发电机组故障诊断被引量：47
- 2011年
- 提出了一种综合考虑风速、转速以及主轴水平方向和垂直方向振动的时域特征参数、频域特征参数等多源信息的基于支持向量机(support vector machine,SVM)的直驱风力发电机组故障诊断方法。对直驱风电机组正常状态、风轮质量不平衡、风轮气动不平衡、偏航和断叶片等5种状态进行实验分析,研究不同状态下的机组特征。根据实验分析结论,将风电机组主轴水平方向、垂直方向振动的时域参数、频域参数以及风速、转速选为描述机组运行状态的特征参数,对机组进行故障识别。将风电机组5种状态下的特征参数作为学习样本,在SVM中训练,建立不同特征的参数向量和故障类型的映射关系,从而达到故障诊断的目的。根据风电机组不同故障的实验数据,对考虑多源信息的故障模型进行应用检验。结果表明,该方法简单有效,具有很好的故障识别能力和良好的鲁棒性,适合直驱风电机组故障诊断,同时可以满足在线故障诊断的要求。
- 安学利赵明浩蒋东翔李少华
- 关键词：直驱风力发电机组多源信息故障诊断
- 基于决策融合的直驱风力发电机组轴承故障诊断被引量：29
- 2011年
- 基于振动信号时域、频域和包络谱等多源特征,采用决策融合方法构建了直驱风力发电机组轴承故障诊断模型。对直驱风力发电机组主轴轴承经常发生的外圈故障、内圈故障、滚动体故障以及正常运行4种状态进行了实验研究。选取具有较高故障区分度,适合风电机组轴承故障诊断的特征参数。以风电机组振动信号的时域特征、频域特征和包络谱频域特征为诊断样本,使用灰色关联分析方法对机组轴承故障进行初步诊断,然后用证据融合理论对不同证据进行决策信息融合,从而获得最终诊断结果。实验结果表明,该方法能较好地识别风力发电机组轴承故障。
- 安学利蒋东翔李少华
- 关键词：直驱风力发电机组特征提取故障诊断
- 基于固有时间尺度分解的风电机组轴承故障特征提取被引量：20
- 2012年
- 针对风电机组调心滚子轴承故障振动信号非平稳、非线性的特点,提出了基于固有时间尺度分解(ITD)的轴承故障特征提取方法。ITD方法可以将复杂信号分解成若干个固有旋转分量和一个趋势分量之和,能准确地展示非平稳信号的动态特性,有较高的拆解效率和频率分辨率。分析结果表明,ITD方法能有效地提取风电机组轴承故障特征,可用于在线故障诊断。
- 安学利蒋东翔刘超陈杰
- 关键词：风电机组调心滚子轴承故障诊断特征提取
- 风力发电机组运行状态的混沌特性识别及其趋势预测被引量：30
- 2010年
- 通过对风力发电机组运行状态参数时间序列进行非线性动力学建模,解析了机组运行状态的动力特征,验证了风力发电机组运行状态的混沌特性。在此基础上,根据混沌时间序列的相空间重构理论,应用加权一阶局域预测方法对风电机组运行状态进行混沌预测研究,采用某风场风电机组实际运行数据对预测方法进行检验。计算结果表明,应用混沌预测方法对风力发电机组运行状态进行预测是可行的,具有较高的精度,为风电机组状态预测提供了新的思路。
- 安学利蒋东翔
- 关键词：风力发电机组
- 基于ITD和LS-SVM的风力发电机组轴承故障诊断被引量：33
- 2011年
- 为了更好地识别出复杂条件下风力风电机组主轴承的运行状态,提出了基于固有时间尺度分解(ITD)和最小二乘支持向量机(LS-SVM)的风电机组轴承故障诊断方法。该方法首先将调心滚子轴承振动信号分解成若干个固有旋转分量和一个趋势分量之和。然后,对前几个固有旋转分量的瞬时幅值进行频谱分析,找出频谱中外圈、内圈、滚动体故障特征频率处以及转动频率处的幅值,将其作为故障特征向量。最后,将故障特征向量输入LS-SVM来识别机组轴承的运行状态。实验结果表明,该方法可以快速、较准确地诊断出风力发电机组轴承故障。
- 安学利蒋东翔陈杰刘超
- 关键词：支持向量机最小二乘支持向量机风力发电机组调心滚子轴承故障诊断
