APP下载

基于自适应加权和D-S证据理论的风电机组故障诊断

2014-09-17神显豪张祁

机床与液压 2014年7期
关键词:故障诊断融合故障

神显豪,张祁,2

(1.桂林理工大学信息科学与工程学院,广西桂林541004;2.熊本大学自然科学研究科情報電気電子工学専攻,日本熊本860-8555)

风力发电作为一种可再生的绿色能源发电方式,已经受到越来越高的重视。但风电机组是一个相当复杂的机电系统,其工作外部环境条件十分恶劣,机组设备的性能受影响比较大,容易因故障停机。因此,实时监测机组运行状况,确保其正常运行是一项很重要的工作。

风电机组一般由风轮系统、齿轮箱系统、发电机、偏航系统、液压系统和刹车机构、控制与安全系统等子系统组成。任一子系统的故障都可能使机组性能下降甚至被迫停机,一种故障现象可能由多个不同层次的故障引起,不同的故障可能呈现同样的现象[1]。文献 [2]运用贝叶斯网络和 D-S证据理论,提出了一种较为准确和合理的分布式故障诊断模型,但是贝叶斯理论的推理过程要求给出先验概率和条件概率,并且要求各概率之间相互独立,这些条件在实际工程中很难满足。文献 [3]运用模糊理论方法,建立故障诊断修正数学模型,解决信息或决策冲突问题,但其算法原理不够直观,运算较为复杂。文献[4-6]采用神经网络和D-S证据结合进行故障诊断,神经网络的单通道输出作为各故障状态焦点元素的基本概率分配,从而避免了证据理论构造基本概率分配函数的困难性,但是神经网络过于复杂且分类速度较慢,学习过程中运算量过大。文献 [7]采用支……

登录APP查看全文

猜你喜欢

故障诊断融合故障
村企党建联建融合共赢
融合菜
从创新出发,与高考数列相遇、融合
《融合》
故障一点通
奔驰R320车ABS、ESP故障灯异常点亮
故障一点通
江淮车故障3例
基于LCD和排列熵的滚动轴承故障诊断
基于WPD-HHT的滚动轴承故障诊断