[发明专利]一种环境因素对风电设备故障演化程度影响的评估方法

权利要求书

1.一种环境因素对风电设备故障演化程度影响的评估方法，包括如下步骤：

步骤一，对各振动传感器进行特征提取，获得频带特征，并基于划分的局部切空间排列算法对获得的频带特征进行特征融合，形成齿轮箱的特征空间；

步骤二，根据多传感器信息融合结果，采用连续隐式半马尔科夫模型研究齿轮箱故障演化过程，并利用非线性多元最小二乘法来拟合故障演化程度和各环境因素的关系，建立齿轮箱故障演化程度表达式。

2.如权利要求1所述的一种环境因素对风电设备故障演化程度影响的评估方法，其特征在于，在步骤一中，获取频带特征包括如下步骤：

根据试验工况和齿轮箱参数得到各振动传感器的各特征频率；

根据特征频率和频带个数T满足的条件选取频带个数T；

根据T*N个频带特征确定本征维数，其中N为传感器个数。

3.如权利要求2所述的一种环境因素对风电设备故障演化程度影响的评估方法，其特征在于：该特征频率包括高速轴、低速轴的特征频率、各齿轮的啮合频率、各滚动轴承的特征频率。

4.如权利要求3所述的一种环境因素对风电设备故障演化程度影响的评估方法，其特征在于：将T*N个频带特征输入局部PCA算法来确定本征维数。

5.如权利要求4所述的一种环境因素对风电设备故障演化程度影响的评估方法，其特征在于：于步骤一中，将T*N个频带特征输入到自适应划分的局部切空间排列算法，得到降维后总能量归一的结果，形成齿轮箱的特征空间。

6.如权利要求5所述的一种环境因素对风电设备故障演化程度影响的评估方法，其特征在于，步骤二进一步包括如下步骤：

步骤2.1，结合步骤一的多传感器信息融合结果，使用正常状态下的数据训练CHSMM，建立基于CHSMM的多传感器融合故障演化程度评估模型λ₀；

步骤2.2，使用该模型对齿轮箱异常状态进行相似度确定；

步骤2.3，利用该齿轮箱异常状态下的数据训练CHSMM，建立基于CHSMM的多传感器融合故障演化程度评估模型；

步骤2.4，分别使用步骤2.3获得的多传感器融合故障演化程度评估模型对待识别故障演化过程进行相似度确定，即可得到待识别状态异常的程度；

步骤2.5，利用非线性多元最小二乘法来拟合故障演化程度和各环境因素的关系。

7.如权利要求6所述的一种环境因素对风电设备故障演化程度影响的评估方法，其特征在于：该齿轮箱的异常状态包括点蚀、磨损、胶合、断齿状态。

8.如权利要求7所述的一种风电设备故障演化程度评估方法，其特征在于：环境因素包括沙尘浓度、盐雾浓度、运行时间 。

9.如权利要求8所述的一种环境因素对风电设备故障演化程度影响的评估方法，其特征在于：采集所有状态下的传感器振动数据的同时记录沙尘浓度、盐雾浓度、运行时间的数值。

10.如权利要求1所述的一种环境因素对风电设备故障演化程度影响的评估方法，其特征在于：于步骤一中，对振动传感器的信号做FFT变换后，按照特征频率中的最小值，将频谱平均分为T个频带。