1、由于風(fēng)電機(jī)組運(yùn)行在地方偏遠(yuǎn)、工況惡劣的環(huán)境下,一旦風(fēng)電機(jī)組傳動(dòng)系統(tǒng)發(fā)生故障就必須停機(jī)且維修不易。因此,對(duì)風(fēng)電機(jī)組傳動(dòng)系統(tǒng)進(jìn)行故障機(jī)理分析,研究有效的故障診斷方法,對(duì)提高風(fēng)電機(jī)組發(fā)電效益有著重要的意義。經(jīng)典的故障診斷方法僅將某種故障特征集或某種模式識(shí)別算法進(jìn)行結(jié)合,只能從單一的角度尋找最優(yōu)的故障分類(lèi)方法,勢(shì)必存在片面性從而影響到風(fēng)電機(jī)組傳動(dòng)系統(tǒng)故障診斷的可靠性,本文采用信息融合的方法來(lái)解決這個(gè)問(wèn)題,并從特征級(jí)融合與決策級(jí)融合展開(kāi)研究。

2、r>　　針對(duì)風(fēng)電機(jī)組工況復(fù)雜,單個(gè)或者單域特征無(wú)法全面反映傳動(dòng)系統(tǒng)的狀態(tài)特性,且多域特征存在冗余、沖突的問(wèn)題,提出了基于深度置信網(wǎng)絡(luò)的風(fēng)電機(jī)組傳動(dòng)系統(tǒng)故障融合診斷方法。首先,構(gòu)建了全面反映風(fēng)電機(jī)組傳動(dòng)系統(tǒng)故障狀態(tài)的多域特征集;然后,采用深度置信網(wǎng)絡(luò)對(duì)多域特征集的特征再學(xué)習(xí),充分挖掘數(shù)據(jù)間的本質(zhì)特征,實(shí)現(xiàn)特征融合并消除冗余、沖突信息;最后,在特征輸出后添加softmax多分類(lèi)器,利用反向傳播(Back Propagation,BP)算法逐

3、層微調(diào)深度置信網(wǎng)絡(luò)的權(quán)值使其結(jié)構(gòu)達(dá)到最優(yōu)并生成合適的分類(lèi)器。通過(guò)行星齒輪箱故障診斷、滾動(dòng)軸承故障程度診斷實(shí)驗(yàn)證明了深度置信網(wǎng)絡(luò)方法在特征融合方面的有效性,提高了故障診斷精度。
　　針對(duì)風(fēng)電機(jī)組傳動(dòng)系統(tǒng)故障診斷多決策結(jié)果中證據(jù)沖突的問(wèn)題,提出了基于改進(jìn)D-S證據(jù)理論的風(fēng)電機(jī)組傳動(dòng)系統(tǒng)故障融合診斷方法。構(gòu)建了各初級(jí)診斷證據(jù)間的相關(guān)度矩陣,并由相關(guān)度矩陣計(jì)算出各證據(jù)的可靠度,根據(jù)可靠度對(duì)各證據(jù)進(jìn)行相似證據(jù)與沖突證據(jù)分類(lèi),保留相似證據(jù)并修

4、改沖突證據(jù)的基本概率賦值以降低可靠度低的證據(jù)對(duì)決策結(jié)果的影響,應(yīng)用Dempester組合規(guī)則對(duì)相似證據(jù)與修改后的沖突證據(jù)進(jìn)行故障融合診斷。最后,通過(guò)對(duì)滾動(dòng)軸承、行星齒輪箱故障診斷的實(shí)驗(yàn)結(jié)果表明了改進(jìn)D-S證據(jù)理論方法能有效解決多決策結(jié)果中證據(jù)沖突的問(wèn)題,降低診斷的不確定性并提高了診斷率。
　　本文將信息融合理論應(yīng)用于風(fēng)電機(jī)組傳動(dòng)系統(tǒng)故障診斷中,在特征級(jí)融合方面,研究了深度置信網(wǎng)絡(luò)方法在特征融合中的應(yīng)用,有效解決了多域特征集中信息沖