赵新龙 吴鹏飞 徐建锋

（1.浙江理工大学机械与自动控制学院；2.浙江上风高科专风实业有限公司）

基于数据驱动的风机组网系统故障诊断∗

赵新龙1吴鹏飞1徐建锋2

（1.浙江理工大学机械与自动控制学院；2.浙江上风高科专风实业有限公司）

风机组网系统的大型化、复杂化、综合化特性增加了其故障诊断的难度。基于主元分析、Kullback-Leibler散度、多分辨率奇异值分解的数据驱动方法，通过故障检测、故障定位、故障分析三个步骤，实现了对风机组网系统中增益性故障以及周期性冲击故障的诊断与分析。利用主元分析与Kullback-Leibler散度结合，实现系统故障检测；利用Z分解和Kullback-Leibler散度来故障定位，将故障定位到具体的风机；利用多分辨率奇异值分解来分析故障种类。仿真结果证明了该方法的有效性。

风机组网系统；主元分析；Kullback-Leibler散度；多分辨率奇异值分解

0 引言

相对于单台风机而言，风机组网系统具有大型化、复杂化、组网化的特性，增加了故障诊断的难度，需要更加精确的诊断方法。并且在判断系统是否发生故障之后，还需要将故障定位到相应的风机上，增加了风机组网系统故障诊断的难度。

故障诊断技术可以分为基于模型分析方法、定性经验和基于数据驱动的方法[1]。基于分析模型的方法需要有足够的信息和过程精确的定量的数学模型，其实际应用效果并不理想。基于定性经验的方法在分析中需要掌握复杂的专业知识和长期积累经验的工程人员。基于数据驱动的故障诊断方法包括基于统计分析的方法、基于信号分析的方法以及基于定量知识的数据分析方法，具有诊断精度高、对系统要求低、对工程人员经验要求低等优点逐渐成为了故障诊断的主要方法。……