基于证据理论的风电机组故障信息融合诊断方法

【摘要】：风力发电作为新能源的主要代表，在电网中的比重越来越高，如何在风机出现故障之后能够有效地进行故障诊断，并及时切除故障是风电领域研究的重点。证据理论在不确定性信息的表示、度量、以及多源信息融合中表现出强大的优势，已被广泛应用于大型设备的故障检测与诊断。本文开展了基于证据理论的多源信息融合方法在风力发电机组故障诊断中的应用研究，主要工作包括以下几个方面： （1）首先介绍了信息融合技术的基本概念和原理，并对其在故障诊断中的应用进行了详细的分析；研究了证据理论的基本框架及组合规则，并对基于证据理论的故障诊断方法进行了总结；分析了当前风力发电机组故障诊断的常用方法，对基于证据理论的多源信息融合方法在风力发电机组故障诊断中的应用作了可行性分析。 （2）对于原始证据在融合过程中出现的高冲突性现象，研究了基于证据熵的组合规则方法。根据多个传感器得到的证据重要性不同，采用证据熵原理来得到每个证据的重要性参数即权重，给出了基于证据熵的故障信息融合诊断框架并在发电机轴承中得到良好应用。利用轴承加速度传感器提取故障振动信号，以EMD分解后本征模函数IMF的包络谱特征频率作为故障特征量，此特征频率与各故障频率对比，得到初步诊断结果；由灰色相关性原理获取待检特征频率与故障频率之间的关联度，作为获取原始证据的方式，利用熵值原理对原始证据加权调整，并通过Dempster组合规则进行融合。 （3）对于证据理论在实际故障诊断应用中，由于大型设备运行环境影响和传感器的限制，从不完整信息中提取基本概率赋值还存在一定不足，本文提出了一种基于均值中心化的基本概率赋值方法。以风力发电机为对象，明确其故障机理，确定故障域与故障特征量，挖掘故障类型与故障特征量之间的映射关系，由故障档案库确定该类故障的中心基点，待检模式与故障中心基点的欧式距离倒数值归一化之后，该数值认为是该待检模式对于故障的支持度，它与BPA有同样的物理意义；有效利用累积信息和当前信息，利用时空域信息融合方法得到对故障有效全面的描述，在一定程度上消除了信息的冗余，提高了诊断的精度。 【关键词】：证据理论 风电机组故障诊断 证据熵 灰色关联 时空域融合
【学位授予单位】：上海电机学院
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM315
【目录】：

• 摘要3-5
• ABSTRACT5-9
• 第一章 绪论9-16
• 1.1 论文研究背景与意义9-10
• 1.2 风电系统故障诊断技术现状与发展趋势10-12
• 1.2.1 国内研究现状10-11
• 1.2.2 国外研究现状11-12
• 1.3 基于证据理论的信息融合方法在故障诊断中的应用12-13
• 1.3.1 信息融合方法在故障诊断中的应用及意义12
• 1.3.2 证据理论在故障诊断中的应用12-13
• 1.4 论文研究的主要内容及结构安排13-16
• 1.4.1 论文的主要研究内容13-14
• 1.4.2 论文的结构安排14-16
• 第二章 基于证据理论的多源信息融合方法16-38
• 2.1 引言16
• 2.2 信息融合技术16-18
• 2.2.1 信息融合技术的概念和定义17
• 2.2.2 信息融合的基本原理及模型17-18
• 2.3 D-S 证据理论的代数基础理论18-25
• 2.3.1 证据理论及相关定义18-20
• 2.3.2 Dempster 组合规则20-21
• 2.3.3 证据理论的决策准则21-22
• 2.3.4 证据理论应用举例22-24
• 2.3.5 基于证据理论的故障信息融合诊断框架24-25
• 2.4 证据理论在风电机组故障诊断中的应用及存在的问题25-27
• 2.5 风力发电机组结构及主要故障27-36
• 2.5.1 滚动轴承故障30-33
• 2.5.2 发电机故障33-35
• 2.5.3 齿轮箱故障35-36
• 2.6 风力发电机组故障诊断方法综述36-37
• 2.7 本章小结37-38
• 第三章 基于证据熵的多源组合规则在风力发电机轴承故障诊断中的应用38-52
• 3.1 引言38-39
• 3.2 基于加权思想的证据合成方法39-42
• 3.2.1 熵权修改规则39-40
• 3.2.2 基于熵权的证据合成方法40
• 3.2.3 数值实例40-42
• 3.3 基于证据熵的风力发电机轴承故障诊断方法42-43
• 3.4 风力发电机轴承故障诊断实例43-51
• 3.4.1 灰色理论相关概念43-44
• 3.4.2 基于灰色关联度的 BPA 获取方式44-45
• 3.4.3 基于证据熵的多源组合规则在风力发电机轴承中的应用45-51
• 3.5 本章小结51-52
• 第四章 基于聚类中心化的风力发电机故障诊断方法52-62
• 4.1 引言52-53
• 4.2 基于聚类中心化的 BPA 获取方式53-54
• 4.3 基于灰色关联与聚类中心化的证据获取案例分析54-55
• 4.4 基于聚类中心化的时空域信息融合方法55-58
• 4.4.1 时空域信息融合方法55-56
• 4.4.2 基于聚类中心化的信息融合诊断流程56-57
• 4.4.3 故障诊断的决策准则57-58
• 4.5 风力发电机故障诊断实例58-60
• 4.6 本章小结60-62
• 第五章 总结与展望62-64
• 5.1 论文总结62-63
• 5.2 展望63-64
• 参考文献64-69
• 致谢69-70
• 攻读硕士学位期间取得的研究成果70

您可以在本站搜索以下学术论文文献来了解更多相关内容

基于小波神经网络的风力发电机故障诊断    庄哲民;殷国华;李芬兰;江钟伟;

双馈异步电机故障诊断方法综述    钱雅云;马宏忠;

基于随机集含糊证据的风力发电机故障诊断方法    苗锐;陈国初;李月;徐余法;俞金寿;

证据理论和粗集在变电站故障诊断中的应用    赵峰;苏宏升;

基于SOM神经网络的风电电子装置故障诊断    高宇;

改进小波结合BP网络的风力发电机故障诊断    郭东杰;王灵梅;郭红龙;武卫红;韩西贵;

D-S证据理论在多传感器故障诊断中的改进及应用    李月;徐余法;陈国初;苗锐;俞金寿;

基于支持向量机和多源信息的直驱风力发电机组故障诊断    安学利;赵明浩;蒋东翔;李少华;

基于模糊故障特征信息的随机集度量信息融合诊断方法    徐晓滨;文成林;王迎昌;

电力变压器灰色关联故障诊断模型的组合权重法    刘俊华;罗隆福;张志文;许加柱;

基于信号流图的风力发电机故障诊断    何丹;

一种新的船舶柴油机模糊故障诊断方法    戴利雄;孟宪尧;

基于多传感器信息融合的滚动轴承故障诊断    艾莉;华静;

证据理论在机场动态容量预测模型中的研究    余静;杨红雨;马博敏;杜冬;邓兵;

基于模糊信息多级融合的故障诊断    孟宪尧;戴利雄;

基于根本原因法的数字化变电站故障诊断    彭飘;廖志伟;文福拴;辛建波;

基于随机集含糊证据的风力发电机故障诊断方法    苗锐;陈国初;李月;徐余法;俞金寿;

改进小波结合BP网络的风力发电机故障诊断    郭东杰;王灵梅;郭红龙;武卫红;韩西贵;

模糊数据融合故障诊断在电缆监测中的应用    孙文义;马淑华;顾德英;

基于决策融合的直驱风力发电机组轴承故障诊断    安学利;蒋东翔;李少华;

一种新型的基本概率分配函数获取方法及其应用    王新;马庆林;

对D-S证据理论几种改进方法的分析与讨论    马永一;沈怀荣;彭颖;

基于变尺度混沌聚类和特征融合的发电机故障诊断    赵茜;武玉才;冯文宗;

基于维纳滤波的风电机组低速轴承故障信号去噪方法研究    张波;周继威;王栋;张林;

浅析风电设备主轴密封泄露在线改造    王欢;吴俊;

浅析风电设备主轴密封泄露在线改造    王欢;吴俊;

多传感器数据融合关键技术研究    姜延吉

大型复杂机电设备分布式故障诊断方法研究    高保禄

基于证据理论的在轨航天器故障诊断方法研究    梁伟光

航空发动机故障诊断的融合技术研究    鲁峰

核主元分析及证据理论的多域特征故障诊断新方法研究    吴胜强

基于流形学习的风电机组传动系统故障诊断方法研究    李锋

不确定性信息处理的随机集方法及在系统可靠性评估与故障诊断中的应用    徐晓滨

热力发电过程建模与状态参数检测研究    刘鑫屏

作战指挥决策支持系统目标融合识别研究    丛蓉

基于信息测度的电力系统故障识别方法研究    符玲

基于全矢谱的故障预测关键技术研究    樊碧波

风力发电机组齿轮箱早期故障诊断方法研究    张亮

轨道交通车站设备智能监控与故障诊断系统的研究    梁盼盼

人工免疫和证据理论集成应用于旋转机械并发故障诊断中的研究    赵宏伟

冲突证据的相似性度量方法及其在信息融合故障诊断中的应用    王玉成

长距离带式输送机实时监控及故障诊断系统研究    田鹤

双馈风电机组发电机磁场与温度场分析    段晓田

烧结异常诊断专家系统及其关键技术研究    金临一

离网型异步风力发电系统的控制技术研究    谭俊敏

基于根本原因法的智能变电站故障诊断模型的研究    彭飘

基于标幺化均值的大功率PWM整流器故障诊断    王磊;杜永红;赵雷廷;吴佐民;刘志刚;

第二代小波分析在轴承故障诊断中的应用    高立新;殷海晨;张建宇;胥永刚;

基于HHT/PNN的故障信息融合诊断方法    杨露;沈怀荣;

基于神经网络与规则库的故障诊断专家系统    鞠万群,韩秋实

基于D-S证据理论的感应电动机转子故障诊断方法研究    侯新国,吴正国,夏立

基于小波神经网络的风力发电机故障诊断    庄哲民;殷国华;李芬兰;江钟伟;

电压型PWM整流器的开关器件断路故障特征    王磊;赵雷霆;张钢;吴佐民;刘志刚;

变压器油中气体色谱分析中以模糊综合评判进行故障诊断的研究    张鸣柳,孙才新

双馈异步电机故障诊断方法综述    钱雅云;马宏忠;

风力发电机组的振动测试与诊断    张登峰;郝伟;郝旺身;

航空电子设备故障诊断技术研究    朱大奇

神经网络和证据理论集成的数据融合故障诊断方法研究    李冲祥

直驱型同步风力发电机组故障诊断系统的研究和设计    周昆鹏

对证据理论检测显著误差的研究    周凌柯,刘瑞兰

D-S证据理论的不足及其数学修正    陈炜军;景占荣;袁芳菲;朱安福;

基于D-S证据理论的多特征数据融合算法    宋建勋;张进;吴钦章;

广义证据理论的基本框架    邓勇;蒋雯;韩德强;

D-S证据理论应用中的一种验证方法    石春和;梁伟;

基于D-S证据理论的工程实践保障能力的评估    夏庆观;温秀兰;

用基于矩阵的D-S证据理论方法判定目标属性    梁伟;胡建旺;

证据理论的研究    陈海;胡建旺;

基于证据理论数据融合的故障诊断研究    胡晓明;岳小云;

基于证据理论数据融合的故障诊断研究    胡晓明;吴建华;

对D-S证据理论几种改进方法的分析与讨论    马永一;沈怀荣;彭颖;

基于D-S证据理论的多专家意见综合方法    郑德玲;汤新蓓;方巍;王俊然;

证据理论的改进及其应用    孙怀江;杨静宇;

一种基于D-S证据理论的情感辨识算法    潘巍;王阳生;

对证据理论检测显著误差的研究    周凌柯;刘瑞兰;

基于D-S证据理论的改进算法的研究    孔鹏程;周健;

证据理论在机构评价与选型中的应用    赵韩;方艮海;王勇;

基于证据理论的施工中人为过失改错效果的评估方法    谢楠;李靖;李建爽;黄绚烨;

模糊证据理论的深入研究    马小平;汪永东;樊阳;

D-S证据理论在多传感器身份融合中的改进    朱靖;王晨熙;鄢茂林;郑义成;

基于证据理论的分类方法研究    李海生

证据理论研究及其在矿井突水预测中的应用    肖建于

后现代证据理论研究    栗峥

基于证据理论的在轨航天器故障诊断方法研究    梁伟光

多传感器信息融合理论及在矿井瓦斯突出预警系统中的应用研究    缪燕子

基于证据理论的不确定性量化方法及其在可靠性工程中的应用研究    锁斌

基于证据理论的不确定性处理研究及其在测试中的应用    肖明珠

混合不确定性表示及应用研究    唐敏

基于D-S证据理论的推理系统研究    刘晓光

证据理论几个关键问题的研究    侯俊

基于证据理论的多源证据分析技术研究    段林珊

证据理论中的证据生成和融合方法研究    周哲

面向动态多Agent系统的两维D-S证据理论研究与应用    俞捷

基于证据理论和凸函数证据理论的推理工具的研究与实现    张姝丹

证据理论在决策支持系统中的应用研究    张建良

证据理论及其在决策评价中应用研究    童建军

基于证据理论的动态融合方法研究    史健

证据理论和基于高斯函数的凸函数证据理论研究与应用    周保奎