买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:华北电力大学(保定)
摘要:本发明属于风电机组故障诊断技术领域,公开了一种改进奇异谱分解和ALexNet‑Adaboost的多工况风电机组故障诊断方法,首先,将SCADA系统测得的数据由梯形模糊数进行模糊化;其次,将模糊化后的数据带入奇异谱分解,根据融合互信息法和散布熵原理来求得最优模态数和最优奇异谱分量;接着,将最优奇异谱分量由Teager能量算子计算最优的瞬时能量信号,得到不同工况的时频图;最后,将时频图导入ALexNet‑Adaboost模型进行强分类,并且进行多工况下的风电机组故障识别;本发明降低了SCADA系统在极端环境下采集数据的模糊性,改进了奇异谱分解中最优模态数确定和迭代停止条件问题,增强信号的冲击特征,由ALexNet‑Adaboost模型对不同工况的时频图进行强分类,进而对风电机组的故障进行识别。
主权项:1.一种改进奇异谱分解和ALexNet-Adaboost的多工况风电机组故障诊断方法,其特征在于,包括以下步骤:步骤1:由风电机组的SCADA系统得到不同工况下风电机组的监测数据;步骤2:将监测数据由模糊三角形模糊化;步骤3:由融合互信息法确定奇异谱分解迭代停止条件;步骤4:由散布熵法确定最优模态数K,并确定最优奇异谱分量;步骤5:根据最优奇异谱分量,利用Teager能量算子计算最优的瞬时能量信号,得到时频图;步骤6:将得到的不同工况的时频图导入ALexNet-Adaboost算法进行强分类,进行多工况下的风电机组故障识别。
全文数据:
权利要求:
百度查询: 华北电力大学(保定) 一种改进奇异谱分解和ALexNet-Adaboost的多工况风电机组故障诊断方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。