【摘要】：風(fēng)電機(jī)組的故障診斷是風(fēng)力發(fā)電中的一項(xiàng)重要技術(shù)。隨著風(fēng)電產(chǎn)業(yè)的蓬勃發(fā)展,風(fēng)電機(jī)組故障診斷方面不斷有新的、更高的要求被提出來。風(fēng)電機(jī)組的故障診斷具有重大意義。證據(jù)理論在處理不確定性信息時更加方便快捷,廣泛應(yīng)用于根據(jù)多源信息進(jìn)行故障診斷。風(fēng)電機(jī)組故障多源信息表示、不確定性等特點(diǎn)使得證據(jù)理論成為融合診斷的一種合適選擇�；谧C據(jù)理論的多源信息融合方法,本文將該方法應(yīng)用于風(fēng)力發(fā)電機(jī)組故障診斷,具體包括以下三點(diǎn):(1)介紹了信息融合技術(shù)基本原理與信息融合處理模型,并給出了信息融合在數(shù)據(jù)級、特征級以及決策級三個層次上的融合模型,分析了該技術(shù)時如何處理故障信息,并在故障診斷得到應(yīng)用的。通過對證據(jù)理論基本框架和相應(yīng)組合規(guī)則的研究,總結(jié)了相關(guān)的基于證據(jù)理論的故障診斷方法。針對風(fēng)力發(fā)電機(jī)組故障診斷,分析了基于證據(jù)理論的多源信息融合方法的可行性。(2)通過對相對熵原理的研究應(yīng)用,解決了證據(jù)理論融合過程中原始證據(jù)高度沖突對融合結(jié)果的影響。根據(jù)多個傳感器得到的證據(jù)重要性不同,通過相對熵原理判斷每個證據(jù)影響因子的大小,即通過賦予每個證據(jù)不同的權(quán)值,從而削弱或放大每個證據(jù)的影響力。將該方法應(yīng)用于風(fēng)電機(jī)組軸承故障診斷中,取得良好的診斷效果。該方法通過加速度傳感器提取軸承故障振動信號,采用經(jīng)驗(yàn)?zāi)B(tài)分解法(EMD)分解故障振動信號,采集包絡(luò)譜特征頻率,作為故障特征量。通過與各故障樣本頻率比較,做出初步診斷;引入灰色理論中的相關(guān)性原理,獲取原始證據(jù);利用相對熵原理對原始證據(jù)分配相應(yīng)權(quán)值,最后通過D-S組合規(guī)則對修改后的證據(jù)進(jìn)行融合。(3)在現(xiàn)實(shí)故障診斷中,外界環(huán)境的影響使得證據(jù)理論的應(yīng)用存在一定的不足,即從不完整、不確定信息中提取BPA(基本概率賦值函數(shù))還存在一定的限制。本文通過對基于隨機(jī)集的信任測度和基于隨機(jī)集的似真測度進(jìn)行含糊化處理,該方法能夠很好的提取證據(jù)理論的BPA(基本概率賦值函數(shù));在對風(fēng)力發(fā)電機(jī)進(jìn)行故障診斷時也能夠取得較好的診斷結(jié)果。通過比較,含糊化處理不確定性信息比模糊化處理不確定性信息的效果更好,更能客觀全面地體現(xiàn)不確定信息的本質(zhì)內(nèi)容,大大提高故障的識別診斷能力。該方法不僅適用于風(fēng)電系統(tǒng)的故障診斷,也可用于診斷其他的機(jī)電設(shè)備的不確定性故障。
[Abstract]:Fault diagnosis of wind turbine is an important technology in wind power generation. With the rapid development of wind power industry, new and higher requirements have been put forward for wind turbine fault diagnosis. The fault diagnosis of wind turbine is of great significance. Evidence theory is more convenient to deal with uncertain information and widely used in fault diagnosis based on multi-source information. The characteristics of multi-source information representation and uncertainty of wind turbine fault make evidence theory a suitable choice for fusion diagnosis. Based on the evidence theory, this paper applies this method to wind turbine fault diagnosis, including the following three points: (1) the basic principle of information fusion technology and the information fusion processing model are introduced. The fusion model of information fusion at data level, feature level and decision level is given, and how to deal with fault information in this technology is analyzed and applied in fault diagnosis. Based on the study of the basic framework of evidence theory and the corresponding combination rules, the relevant fault diagnosis methods based on evidence theory are summarized. For wind turbine fault diagnosis, the feasibility of multi-source information fusion method based on evidence theory is analyzed. (2) through the research and application of relative entropy principle, The influence of the high conflict of the original evidence on the fusion result is solved. According to the different importance of the evidence obtained by multiple sensors, the magnitude of each evidence influence factor is judged by the relative entropy principle, that is, by giving each evidence a different weight, the influence of each evidence is weakened or amplified. The method is applied to the bearing fault diagnosis of wind turbine, and good diagnosis effect is obtained. In this method, the vibration signal of bearing fault is extracted by acceleration sensor, and the fault vibration signal is decomposed by empirical mode decomposition (EMD) method, and the envelope spectrum characteristic frequency is collected as the fault characteristic quantity. By comparing with the frequency of each fault sample, we make a preliminary diagnosis; introduce the correlation principle of grey theory to obtain the original evidence; use the relative entropy principle to assign the corresponding weight to the original evidence. Finally, the modified evidence is fused by D-S combination rule. (3) in the actual fault diagnosis, the influence of external environment makes the application of evidence theory have some shortcomings, that is, never complete. There are some limitations in extracting BPA (basic probability assignment function) from uncertain information. This paper deals with the ambiguity of trust measures based on random sets and quasi-true measures based on random sets. This method can extract evidence theory of BPA (basic probability assignment function) and obtain good diagnosis results in fault diagnosis of wind turbine. By comparison, the effect of ambiguity processing uncertainty information is better than that of fuzzy processing uncertainty information, the essence of uncertain information can be reflected objectively and comprehensively, and the ability of fault identification and diagnosis is greatly improved. This method is not only suitable for fault diagnosis of wind power system, but also can be used to diagnose uncertain faults of other electromechanical equipment.
【學(xué)位授予單位】：上海電機(jī)學(xué)院
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TM315

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曾元鑒;;D-S證據(jù)理論及其改進(jìn)算法研究[J];艦船電子工程;2010年10期

2 夏祖勛，劉同明，解洪成;關(guān)于證據(jù)理論中辨識框不同類型下的信息綜合[J];華東船舶工業(yè)學(xué)院學(xué)報;1994年02期

3 倪明，，單淵達(dá);證據(jù)理論及其應(yīng)用[J];電力系統(tǒng)自動化;1996年03期

4 齊占偉;辜承林;;基于改進(jìn)的D-S證據(jù)理論在設(shè)備故障診斷中的應(yīng)用[J];海軍工程大學(xué)學(xué)報;2008年01期

5 董彥佼;韓元杰;劉潔莉;;D-S證據(jù)理論在多傳感器目標(biāo)識別中的改進(jìn)[J];彈箭與制導(dǎo)學(xué)報;2009年04期

6 鄭德玲，湯新蓓;證據(jù)理論支持下的多專家求解理論框架[J];北京科技大學(xué)學(xué)報;1998年05期

7 張建華,陳新,王紅軍;基于證據(jù)理論的最佳聯(lián)盟評價方法研究[J];機(jī)械設(shè)計;2004年07期

8 周凌柯,劉瑞蘭;對證據(jù)理論檢測顯著誤差的研究[J];南京理工大學(xué)學(xué)報(自然科學(xué)版);2005年S1期

9 陳煒軍;景占榮;袁芳菲;朱安福;;D-S證據(jù)理論的不足及其數(shù)學(xué)修正[J];中北大學(xué)學(xué)報(自然科學(xué)版);2010年02期

10 宋建勛;張進(jìn);吳欽章;;基于D-S證據(jù)理論的多特征數(shù)據(jù)融合算法[J];火力與指揮控制;2010年07期

相關(guān)會議論文 前10條

1 馬永一;沈懷榮;彭穎;;對D-S證據(jù)理論幾種改進(jìn)方法的分析與討論[A];'2010系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2010年

2 鄭德玲;湯新蓓;方巍;王俊然;;基于D-S證據(jù)理論的多專家意見綜合方法[A];1996年中國控制會議論文集[C];1996年

3 孫懷江;楊靜宇;;證據(jù)理論的改進(jìn)及其應(yīng)用[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國科協(xié)2000年學(xué)術(shù)年會文集[C];2000年

4 潘巍;王陽生;;一種基于D-S證據(jù)理論的情感辨識算法[A];第一屆中國情感計算及智能交互學(xué)術(shù)會議論文集[C];2003年

5 周凌柯;劉瑞蘭;;對證據(jù)理論檢測顯著誤差的研究[A];2005全國自動化新技術(shù)學(xué)術(shù)交流會論文集（三）[C];2005年

6 孔鵬程;周健;;基于D-S證據(jù)理論的改進(jìn)算法的研究[A];2011中國儀器儀表與測控技術(shù)大會論文集[C];2011年

7 趙韓;方艮海;王勇;;證據(jù)理論在機(jī)構(gòu)評價與選型中的應(yīng)用[A];第十四屆全國機(jī)構(gòu)學(xué)學(xué)術(shù)研討會暨第二屆海峽兩岸機(jī)構(gòu)學(xué)學(xué)術(shù)交流會論文集[C];2004年

8 謝楠;李靖;李建爽;黃絢燁;;基于證據(jù)理論的施工中人為過失改錯效果的評估方法[A];第22屆全國結(jié)構(gòu)工程學(xué)術(shù)會議論文集第Ⅲ冊[C];2013年

9 馬小平;汪永東;樊陽;;模糊證據(jù)理論的深入研究[A];第二十六屆中國控制會議論文集[C];2007年

10 朱靖;王晨熙;鄢茂林;鄭義成;;D-S證據(jù)理論在多傳感器身份融合中的改進(jìn)[A];全國第一屆信號處理學(xué)術(shù)會議暨中國高科技產(chǎn)業(yè)化研究會信號處理分會籌備工作委員會第三次工作會議�？痆C];2007年

相關(guān)博士學(xué)位論文 前7條

1 李海生;基于證據(jù)理論的分類方法研究[D];華南理工大學(xué);2013年

2 肖建于;證據(jù)理論研究及其在礦井突水預(yù)測中的應(yīng)用[D];中國礦業(yè)大學(xué);2012年

3 栗崢;后現(xiàn)代證據(jù)理論研究[D];中國政法大學(xué);2008年

4 梁偉光;基于證據(jù)理論的在軌航天器故障診斷方法研究[D];中國科學(xué)技術(shù)大學(xué);2011年

5 繆燕子;多傳感器信息融合理論及在礦井瓦斯突出預(yù)警系統(tǒng)中的應(yīng)用研究[D];中國礦業(yè)大學(xué);2009年

6 鎖斌;基于證據(jù)理論的不確定性量化方法及其在可靠性工程中的應(yīng)用研究[D];中國工程物理研究院;2012年

7 肖明珠;基于證據(jù)理論的不確定性處理研究及其在測試中的應(yīng)用[D];電子科技大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 賀曉;基于改進(jìn)D-S證據(jù)理論的高速列車走行部故障診斷研究[D];西南交通大學(xué);2015年

2 王睿虹;基于廣義證據(jù)理論的多模式智能推理與融合研究[D];上海交通大學(xué);2015年

3 宋姝婷;基于Rough集、T-范數(shù)和證據(jù)理論的屬性約簡研究[D];江西師范大學(xué);2015年

4 何俊;基于證據(jù)理論的在線消費(fèi)者備選商品評價研究[D];電子科技大學(xué);2015年

5 楊星亞;基于證據(jù)理論的中小企業(yè)信用評級研究[D];合肥工業(yè)大學(xué);2015年

6 郭威;基于證據(jù)理論的多源信息融合技術(shù)研究與應(yīng)用[D];解放軍信息工程大學(xué);2015年

7 吳尚;基于證據(jù)理論的風(fēng)電機(jī)組故障診斷研究[D];上海電機(jī)學(xué)院;2016年

8 劉曉光;基于D-S證據(jù)理論的推理系統(tǒng)研究[D];合肥工業(yè)大學(xué);2010年

9 侯俊;證據(jù)理論幾個關(guān)鍵問題的研究[D];西北工業(yè)大學(xué);2003年

10 段林珊;基于證據(jù)理論的多源證據(jù)分析技術(shù)研究[D];山東師范大學(xué);2014年

本文編號：2258935