[发明专利]一种风力发电机振动故障诊断方法及存储介质

权利要求书

1.一种风力发电机振动故障诊断方法，其特征在于，包括以下步骤：

获取风力发电机的振动信号f(t)；

通过变分模态分解算法将获取的振动信号分解得到k个模态分量u_k(t)；

计算k个模态分量的能量熵，并根据各个模态的能量熵构建特征向量；

将特征向量输入支持向量机的模型中进行故障识别。

2.根据权利要求1所述风力发电机振动故障诊断方法，其特征在于，所述“通过变分模态分解算法将获取的振动信号分解得到k个模态分量”具体包括以下步骤：

将风力发电机的振动信号f(t)转化为频域信号

初始化模态分量中心频率拉格朗乘法算子n←0；

n＝n+1；

利用公式和更新和中心频率α为二次惩罚因子；

对于所有ω≥0，更新双上升步长：τ为噪声容限参数；

判断和是否满足收敛条件公式：其中ξ＞0；

若满足，则停止迭代，若不满足，则返回至n＝n+1，继续迭代。

3.根据权利要求1所述风力发电机振动故障诊断方法，其特征在于，还包括以下步骤：

获取风力发电机在正常状态、内圈故障状态、外圈故障状态及滚动体故障状态的振动信号各n组作为训练样本及各n组作为测试样本；

将训练样本及测试样本进行变分模态分解算法分解后进行能量特征提取后，输入LIBSVM模型中进行样本训练后，得到最后的支持向量机的模型。

4.根据权利要求3所述风力发电机振动故障诊断方法，其特征在于，所述LIBSVM模型的惩罚参数为2，函数参数为1。

5.根据权利要求1所述风力发电机振动故障诊断方法，其特征在于，所述“计算k个模态分量的能量熵，并根据各个模态的能量熵构建特征向量”之后还包括：

对构建的特征向量进行归一化处理。

6.一种存储介质，所述存储介质内含有计算机程序，其特征在于，所述计算机程序被处理器运行时执行以下步骤：

获取风力发电机的振动信号f(t)；

通过变分模态分解算法将获取的振动信号分解得到k个模态分量u_k(t)；

计算k个模态分量的能量熵，并根据各个模态的能量熵构建特征向量；

将特征向量输入支持向量机的模型中进行故障识别。

7.根据权利要求6所述存储介质，其特征在于，所述处理器执行“通过变分模态分解算法将获取的振动信号分解得到k个模态分量”具体执行以下步骤：

将风力发电机的振动信号f(t)转化为频域信号

初始化模态分量中心频率拉格朗乘法算子n←0；

n＝n+1；

利用公式和更新和中心频率α为二次惩罚因子；

对于所有ω≥0，更新双上升步长：τ为噪声容限参数；

判断和是否满足收敛条件公式：其中ξ＞0；

若满足，则停止迭代，若不满足，则返回至n＝n+1，继续迭代。

8.根据权利要求6所述存储介质，其特征在于，所述计算机程序被处理器运行时还执行以下步骤：

获取风力发电机在正常状态、内圈故障状态、外圈故障状态及滚动体故障状态的振动信号各n组作为训练样本及各n组作为测试样本；

将训练样本及测试样本进行变分模态分解算法分解后进行能量特征提取后，输入LIBSVM模型中进行样本训练后，得到最后的支持向量机的模型。

9.根据权利要求8所述存储介质，其特征在于，所述LIBSVM模型的惩罚参数为2，函数参数为1。

10.根据权利要求6所述存储介质，其特征在于，所述计算机程序被处理器运行后执行步骤“计算k个模态分量的能量熵，并根据各个模态的能量熵构建特征向量”之后还执行：

对构建的特征向量进行归一化处理。