多元数据融合的风电机组故障诊断的研究情况,然后介绍了多元数据融合技术的提出及关键问题,接着针对多元数据融合模型的不同层次,介绍了风电机组故障诊断的多元数据融合技术的研究现状,最后探讨了基于多元数据融合的风电机组故障诊断的可行性方案。关键词风电机组多元数据融合故障诊断研究现状引言面对全球能源短缺环境污染形势日趋严峻节能减排要求日益提高的泛。结合将与结合的多传感器数据融合技术,可有效解决在故障诊断中效率低准确度不高等问题,提高了最终诊断结果的精度。而证据理论善于处理不确定性信息问题,两者的有机结合增加了状态监测和故障诊断的准确度和可靠度。模糊理论与专家系统的结合专家系统的多传感器数据融合技术可以有效避开系统数学模型缺失的问题,同时在分析处理不确定性问题上更容易得出被监测对象运行状态的原因与本质,结合专家经验较强的非结构化问题解析的能力,可有效应用于电厂状态监测和故障诊断中。两种方法的结合充分体现了互补性,弥补了传统的专家系统解决知识不确定的可行性方案。关键词风电机组多元数据融合故障诊断研究现状引言面对全球能源短缺环境污染形势日趋严峻节能减排要求日益提高的背景下,风能作为种新兴的清洁能源,正逐渐为人们所重视和广泛接受。然而由于风电机组运维和管理水平的不足和滞后性使得风电机组事故频频,无形中提高了风电机组的运营成本。另外随着机型向着大单机容量和适于恶劣环境的方向发展,由于机组运维不当造成巨大经济损失的案例更加突出。随着科技的不断进步,设备结构变得日益复杂,组成部件间的关联性与耦合性不断增强,设备运行数据中涵盖的信息不断增多,应用传统的单类型监测技术,无法全面提取运行实性,对诊断结果带来定影响。决策级融合此阶段的工作主要是依照定的准则标准对各类数据进行可信的协调,以达到全局最优决策的目的。对于设备的故障诊断问题,此阶段融合的目的是为诊断结果提供有效依据。所以,决策级融合必须结合实际情况,对被监测设备的信息特征进行全面综合的是梳理工作。其中,较为合适的决策层融合方法有证据理论模糊理论专家系统等。但是,这些方法本身对数据自身特性要求不高。所以,分析结果有较高的可信度,需要对运行数据进行较为复杂的处理与判定,对模型结构提出了较高要求。物理数据级别的整合在数据融合利用有了定的进展,除此以外,目前人们致多元数据融合技术在风电机组故障诊断中应用研究原稿于机组齿轮箱类故障的诊断工作,在振动数据的基础上,结合温度参数油质参数等类型数据对机组运行情况作出全面诊断。基于多元数据融合的风电机组故障诊断研究的主要问题目前故障诊断数据融合的研究中直只是处于理论研究与工程实践的边缘,而且众多研究只能建立单数据融合模型,而如何形成客观合理且有效的层次化诊断模型是当务之急。构建个故障诊断数据融合系统的关键问题包括构建数据融合体系寻找数据整合算法。为了将机组自带的数据与自行安装系统监测信号实现有效准确的数据融合,必须解决以下个基本问题选择适合实际情况的数据融合分析体系,保证融合模型在满足用户需求的同时,错率高鲁棒性强自学习自适应能力突出,对非线性问题处理能力较强等优点,因此有很广泛的应用范围。多元数据融合技术在风电机组故障诊断中应用研究原稿。风电机组故障诊断中的多元数据融合技术多元数据融合模型的层次结构数据融合的层次及位置确定了对原始数据的处理方式和数据整合的在整个分析结构中的位置。根据数据的级别及所在层次的差异,对于融合工作组主要分为数据层融合特征层融合决策层融合,如图所示数据级融合此层次融合直接作用于原始数据,此过在信号预处理之前,为最低层次的融合。涉及到的方法主要有极大似然估计加权平均法最小乘法等。在此阶段的融合能够最大度的分析依旧是主流,且在整个诊断过程中占据主导地位。但由于振动传递路径的原因,振动能量在传递过程中存在不成程度的干扰耗散等情况,尤其对于齿轮早期故障引起的异常振动十分微弱,因此单纯采用这种方法有定缺陷。对机组轴承部件进行分析诊断中发现轴承类故障振动数据特征变化不明显。随然可以用包络谱等方法对所关心的特征数据进行放大处理,但这类处理过程通常会造成数据特性的些变化,例如,数据信噪比下降,数据失真等问题,因而很难做出准确评价。而且,通过振动信号的分析,有时能够对设备故障作出定的评定或诊断工作,但是实际中,更多时候给出的结果是不尽人意的。所以,保证信息的完整性,需要对大量实际数据进行初步的分析整理,工作量大,盲目性较强,对硬件采集设备要求较高对未经任何处理的数据进行融合更大的风险在于之前对数据本身的特性未经分析与研究,在融合过程中的不确定性因素较多,可能会影响最终的分析结果大数量级的数据会对实际通讯带来压力。特征级融合此级别的融合通常依托于模式识别技术,融合的最终目的是将各类数据变成具有明确指向性的组合。方法主要有神经网络聚类算法等。其中,对于数据信息的次处理建立征兆或特征与现象的对应关系是此阶段融合的优点。模糊推理多源数据分析中,信息与环境之间相互影响带来的不确定性是断结果带来定影响。决策级融合此阶段的工作主要是依照定的准则标准对各类数据进行可信的协调,以达到全局最优决策的目的。对于设备的故障诊断问题,此阶段融合的目的是为诊断结果提供有效依据。所以,决策级融合必须结合实际情况,对被监测设备的信息特征进行全面综合的是梳理工作。其中,较为合适的决策层融合方法有证据理论模糊理论专家系统等。但是,这些方法本身对数据自身特性要求不高。所以,分析结果有较高的可信度,需要对运行数据进行较为复杂的处理与判定,对模型结构提出了较高要求。物理数据级别的整合在数据融合利用有了定的进展,除此以外,目前人们致力于对情况法避免的。因为不确定因素的参与,致使信息在融合过程中表现出来的是个不明确的推理过程。所以,人们开始试图采用些系统化方法,对不确定性信息进行建模工作,形成模糊推理。对数据源的分析思路能够有效避免单数据源分析时造成的信息缺失或偏差情况。模糊推理在数据融合中常与其它方法起使用,如模糊致性推理模糊神经网络等。神经网络神经网络是通过对人脑或自然神经网络若干基本特性的分析研究,对其进行抽象和模拟形成的门多个学科领域边缘交叉学科。基于的数据融合是通过对不同类型传感器数据进行合理运算和处理,得到数据间的联系与特征,最终给出结论。具有摘要近年来随着风电机组向着大单机容量和适于恶劣环境的方向发展,潜在具有耦合特性的故障发生的概率也就随之增大。多元数据融合技术应用在风电机组故障诊断中可显著提高机组故障诊断的准确性。本文首先概述了基于多元数据融合的风电机组故障诊断的研究情况,然后介绍了多元数据融合技术的提出及关键问题,接着针对多元数据融合模型的不同层次,介绍了风电机组故障诊断的多元数据融合技术的研究现状,最后探讨了基于多元数据融合的风电机组故障诊断的可行性方案。关键词风电机组多元数据融合故障诊断研究现状引言面对全球能源短缺环境污染形势日趋严峻节能减排要求日益提高的韩崇昭,朱洪艳多源信息融合北京清华大学出版社,夏虹,曹欣荣,王兆祥基于传感器融合的机械设备故障诊断的方法与系统哈尔滨工程大学学报,韩振南齿轮传动系统的故障诊断方法的研究太原理工大学,黄建新多传感器数据融合技术在轴承故障诊断中的应用研究武汉理工大学,何友,王国宏,陆大金,等多传感器信息融合及应用北京电子工业出版社,覃祖旭,张洪钺信息融合的般过程及在故障诊断中的应用测控技术,王艳英基于信息融合技术的故障诊断方法研究河北科技大学,周金华,张静多传感器数据融合技术在电厂状态监测和故障诊断中的应用煤矿机械,张保梅数据级与特征级上下很难满足对复杂设备或系统的状态监测与诊断的工作要求。针对这现象,灵活应用多种分析方法,取长补短,对多元数据进行综合分析的混合系统在发电系统中的应用愈发广泛。结合将与结合的多传感器数据融合技术,可有效解决在故障诊断中效率低准确度不高等问题,提高了最终诊断结果的精度。而证据理论善于处理不确定性信息问题,两者的有机结合增加了状态监测和故障诊断的准确度和可靠度。模糊理论与专家系统的结合专家系统的多传感器数据融合技术可以有效避开系统数学模型缺失的问题,同时在分析处理不确定性问题上更容易得出被监测对象运行状态的原因保留现场数据的特征。但此过程为保证信息的完整性,需要对大量实际数据进行初步的分析整理,工作量大,盲目性较强,对硬件采集设备要求较高对未经任何处理的数据进行融合更大的风险在于之前对数据本身的特性未经分析与研究,在融合过程中的不确定性因素较多,可能会影响最终的分析结果大数量级的数据会对实际通讯带来压力。特征级融合此级别的融合通常依托于模式识别技术,融合的最终目的是将各类数据变成具有明确指向性的组合。方法主要有神经网络聚类算法等。其中,对于数据信息的次处理建立征兆或特征与现象的对应关系是此阶段融合的优点。但过度的信息压缩会弱化数据内容的法避免的。因为不确定因素的参与,致使信息在融合过程中表现出来的是个不明确的推理过程。所以,人们开始试图采用些系统化方法,对不确定性信息进行建模工作,形成模糊推理。对数据源的分析思路能够有效避免单数据源分析时造成的信息缺失或偏差情况。模糊推理在数据融合中常与其它方法起使用,如模糊致性推理模糊神经网络等。神经网络神经网络是通过对人脑或自然神经网络若干基本特性的分析研究,对其进行抽象和模拟形成的门多个学科领域边缘交叉学科。基于的数据融合是通过对不同类型传感器数据进行合理运算和处理,得到数据间的联系与特征,最终给出结论。具有于机组齿轮箱类故障的诊断工作,在振动数据的基础上,结合温度参数油质参数等类型数据对机组运行情况作出全面诊断。基于多元数据融合的风电机组故障诊断研究的主要问题目前故障诊断数据融合的研究中直只是处于理论