解太林，张志利

（1.江苏省盐城市教育科学研究院，江苏盐城 224005；2.天津中德应用技术大学电气与能源学院，天津 300350）

变速恒频风力发电机转子机械故障模糊诊断方法

解太林1，张志利2

（1.江苏省盐城市教育科学研究院，江苏盐城 224005；2.天津中德应用技术大学电气与能源学院，天津 300350）

针对当前方法在诊断变速恒频风力发电机转子机械故障过程中，抗干扰能力差、准确率低的不足，提出一种基于改进支持向量机（FSVM）与粒子群（PSO）加权模糊聚类相结合的转子机械故障模糊诊断方法。首先提取风力发电机转子机械故障的信号特征，对特征奇异点进行模极大值分析；构建FSVM诊断数学模型，完成信号特征的分类处理；基于PSO方法对分类处理后的特征信号，进行加权模糊聚类和个体寻优，实现发电机转子机械故障的模糊诊断。实验证明，提出的方法诊断精度高、收敛速度快、具有较高的实用性和可靠性。

发电机转子；FSVM；PSO；模糊诊断

风能[1]是一种清洁、可再生能源，取之不尽、用之不竭。风能作为一种潜力巨大的新型能源[2]，受到各国越来越高的重视。变速恒频风力发电机组[3]是一种主流的发电机组，评价风力发电机组优劣的重要指标是平均无故障时间[4]。但旋转机械的转子故障较为常见，包括不对中、不平横、碰磨、松动等，会造成旋转部件的机械损伤，甚至会引起突发事故[5-6]，因此变速恒频风力发电机转子机械故障的诊断和预防一直是学术界研究的热点问题。当前转子机械故障的诊断方法有频谱分析法[7]、Bayes统计分析法[8]等，这些诊断方法多基于大量的故障数据统计样本，运算量庞大，而且抗干扰能力差、故障诊断准确率低，在小样本情况下进行诊断有失效的风险[9]。……