[发明专利]一种基于三维隶属函数模糊逻辑系统的风机故障诊断方法

说明书

本发明涉及风机故障诊断技术领域，提供一种基于三维隶属函数模糊逻辑系统的风机故障诊断方法，首先采集实际风机数据集并计算预测风机数据集与差值风机数据集，得到模糊逻辑系统的输入数据；然后采集实际风机训练数据集并计算预测风机训练数据集与差值风机训练数据集，选择训练数据集与基准变量后，建立模糊逻辑系统的三维隶属函数；再建立模糊逻辑系统的规则库与模糊器，将输入数据模糊化为输入集，根据规则前件集计算点火等级，根据规则后件集计算输出集；最后采用取重心法获取清晰输出，并根据清晰输出与阈值的关系判断故障是否发生。本发明能够在环境变化的条件下获得符合当前环境的隶属函数与阈值，从而提高风机故障诊断的准确率。

技术领域

本发明涉及风机故障诊断技术领域，特别是涉及一种基于三维隶属函数模糊逻辑系统的风机故障诊断方法。

背景技术

现如今，风能被广泛应用在工业领域，在电能领域也是如此。风机被认为是产生电能的最有效工具之一。风机必须最大化程度地保证其稳定性与可靠性，因为只有这样，才能更好地产生电能。因此，越来越多的人开始关注风机的操作与维修工作。

状态监测是最常用的诊断风机故障的方法。近些年来，有各种各样的状态监测方法被提出，其中大多使用数据采集与监视控制(Supervisory Control And DataAcquisition，简称SCADA)系统的数据，即SCADA数据。SCADA数据能够提供大量的风机特征，例如：风速、风向、油温等等，这些特征很全面，而且使用SCADA数据能够减少不必要的损失，因此SCADA被工人广泛应用于风机的状态监测与故障诊断。状态监测方法的主要流程分为三部分：(1)测量风机的SCADA数据；(2)预测风机的SCADA数据；(3)将同类型的两种SCADA数据作差，并判断两种数据的差值是否超出正常范围，如果超出正常范围，则说明风机存在异常或者故障。

现有的风机故障诊断方法多基于模糊逻辑系统进行风机的状态监测和故障诊断。然而，一方面，这些模糊逻辑系统大都使用常规的隶属函数，在风机所处的环境发生变化时，模糊逻辑系统的隶属函数并不能随之改变。这就导致在变化的环境下，用于故障诊断的模糊逻辑系统并不能获得符合当前环境的隶属函数，例如：当风速本身很小，并且发生了一个小的变化时，这个变化应该对应一个比较大的隶属度；当风速本身很大，也发生了一个小的变化时，这个变化应该对应一个比较小的隶属度。在这两种情况下，风速的变化都是小的，可是二者造成的影响却有很大不同；如果在两种情况下使用相同的隶属函数，风机故障诊断的准确率一定会被影响。另一方面，现有的风机故障诊断方法判断风机是否存在故障的阈值比较单一化，不能够适合环境的变化。

可见，现有的风机故障诊断方法所采用的模糊逻辑系统的隶属函数不能根据环境的变化而变化，而且判断风机是否存在故障的阈值比较单一化，从而在不同的环境下不能使用符合环境的隶属函数与阈值，导致风机故障诊断的准确率低下。

发明内容

针对现有技术存在的问题，本发明提供一种基于三维隶属函数模糊逻辑系统的风机故障诊断方法，能够在环境变化的条件下获得符合当前环境的隶属函数与阈值，从而提高风机故障诊断的准确率。

本发明的技术方案为：

一种基于三维隶属函数模糊逻辑系统的风机故障诊断方法，其特征在于，包括下述步骤：

步骤1：确定模糊逻辑系统的输入数据：

步骤1.1：采集实际风机数据集：每间隔时间T，对风机的SCADA系统中p个输入变量在间隔时间T内的SCADA数据进行采集，得到n组实际风机数据，每组实际风机数据包括间隔时间T内m个时刻的实际风机数据，得到第i组中第t_i时刻的实际风机数据集为其中，i∈{1,2,...,n}，为第t_i时刻第j个输入变量x_j的实际值，j∈{1,2,....,p}，t_i＝t_i-1+T，t₀＝0；