基于AR-Hankel矩阵的风力发电机早期故障诊断方法研究

• 作者: 尹勋 常喜强 张新燕 王衡 赵理威
• 来源期刊: 可再生能源
• 学科: 工学
• 关键词: 总体平均经验模式分解 自回归模型 Hankel矩阵 奇异值分解 早期故障诊断
• 年，卷（期）: 2016,（1）
• 页码范围: 80-85
• 分类号: TK83
• 语种: 中文

摘要

针对风力发电机故障早期阶段,故障特征不明显,继电保护装置检测不到相关电气量异常的问题,文章提出了基于AR模型、Hankel矩阵和奇异值分解的风力发电机早期故障诊断方法.该方法先对主轴径向振动信号进行总体平均经验模式分解,再按照互相关准则选择若干个固有模态函数建立AR模型,然后对自回归系数构建Hankel矩阵并作奇异值分解,将奇异值作为故障特征输入支持向量机判断发电机的运行状态.试验结果表明,该方法能对直驱风力发电机正常运行、定子线圈匝间短路、发电机主轴偏心、发电机轴承磨损4种状态进行准确诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张新燕	新疆大学电气工程学院	161	1140	18.0	26.0
2	常喜强		70	248	8.0	12.0
3	王衡		27	150	6.0	11.0
4	赵理威	新疆大学电气工程学院	5	20	3.0	4.0
5	尹勋	新疆大学电气工程学院	4	20	3.0	4.0