摘要
本发明公开了时频‑机理融合驱动的风机传动链零部件故障预测方法,提取风机传动链零部件振动信号的时域特征和频域特征,并通过快速傅里叶变换解析功率谱特征;对时域特征和频域特征进行筛选,采用随机森林算法构建基于振动信号时频特征的传动链寿命预测模型;构建风机传动链不同零部件损伤过程的物理机理寿命预测模型;实时监测风力发电机传动链的振动信号,提取当前时频特征并输入上述模型进行寿命预测;对时频特征预测结果与物理机理预测结果进行归一化处理,通过加权平均法融合得到最终剩余寿命预测值,并根据阈值触发分级故障预警。本发明具有敏感性高、抗干扰能力强等优点,适应变工况动态修正,提高了故障预测的准确性和可靠性。
技术关键词
故障预测方法
寿命预测模型
监测风力发电机
频域特征
时域特征
功率谱特征
风力发电机传动链
信号
加权平均法
随机森林
风机叶片裂纹
损伤演化规律
裂纹扩展寿命
CART算法
风机零部件
系统为您推荐了相关专利信息
入侵检测模型
防入侵检测方法
多传感器融合
频域特征
预警规则
认知功能评估
脑电图数据
长短期记忆网络
术后认知功能障碍
患者
互补特征
频域特征
图像分割方法
融合全局
横向特征
通道
人脸图像数据
特征融合网络
深度卷积神经网络
矩阵