上海东海大桥大型海上风电场的建设实践.pdfVIP

2014年4月机床与液压Apr．2014

第42卷第7期MACHINETOOLHYDRAULICSVol_42No．7

DOI：10．3969／j．issn．1001—3881．2014．07．040

基于自适应加权和D．s证据理论的风电机组故障诊断

神显豪，张祁，

(1．桂林理工大学信息科学与工程学院，广西桂林541004；

2．熊本大学自然科学研究科情赧鼋氢雹子工学寄攻，日本熊本860—8555)

摘要：由于风电机组系统相当复杂，故障原因及其现象不成简单或线性对应关系，单一检测不能够满足诊断需要。针

对这一问题，将无线传感器网络(WirelessSensorNetwork)中信息融合的理论和方法应用于风电机组状态监测和故障诊断

中，使采集到的海量数据分别进行信号层与特征层两个层次的信息融合，运用自适应加权融合算法降低网络的数据冗余和

传输能量消耗，利用高斯隶属度函数获得基本概率的赋值，提高了D—S证据理论数据的可靠性，改进的证据组合方法提高

了故障识别能力。最后，对风电机组齿轮箱的故障诊断进行仿真实验，实验结果验证了该方法具有较高的诊断精度，明显

提高诊断的可信度。

关键词：无线传感器；信息融合；自适应加权；D-S证据理论；基本概率赋值

中图分类号：TP212．9文献标识码：A文章编号：1001—3881(2014)7—148—4

WindTurbineFaultDiagnosisBasedonAdaptiveWeightingAlgorithmand

D．SEvidenceTheory

SHENXianhao．ZHANG0i

(1．CollegeofInformationScienceandEngineering，GuilinUniversityofTechnology，

GuilinGuangxi541004，China；2．DepartmentofComputerScienceandElectricalEngineering，

KumamotoUniversity。Kumamoto860—8555，Japan)

Abstract：Sincethesystemofwindturbineisquitecomplex。therelationshipbetweenfaultsandphenomenaisnotsimpleorlin—

ear，thediagnosticrequirementscouldnotbemetbysingledetection．Aimedatthisproblem，theinformationfusiontheoryofWire—

lessSensorNetworkwasappliedinwindturbine’Sstatemonitoringandfaultdiangosis，whichmadeinformationfusionseparatelyintwo

levelsofsingallevelandcharacteristicslevelofalrageamountofcollecteddata．Byusingself-adaptiveweightingfusionalgorithm，

thedataredundancyandtransmissionenergyconsumptionofnetworkwerereduced，andusingtheGaussmembershipfunction，the

basicprobabilityassignmentwasobtained，whichenhancedtheD—Sevidencetheorydatareliabilityandimprovethebailityoffaulti·

dentification．Finally，asimulationexperimentoffault