公开(公告)号：CN109973331B

公开(公告)日：2021-01-01

申请号：CN201910368698.5

申请日：2019-05-05

Applicant: 内蒙古工业大学

Inventor： 毕俊喜 ,  樊文泽 ,  黄洪钟 ,  任君 ,  田园 ,  王丽琴 ,  宋晓娟

IPC: G06F17/10 ,  G06N3/04 ,  G06N3/08 ,  F03D17/00

Abstract: 本发明公开了一种基于bp神经网络的风力发电机组风轮叶片故障诊断算法，主要用于实现在役风力机叶片健康实时监测系统的故障决策智能化功能。其实现方案是：1：利用传感器获取与风轮叶片损伤有关的周围环境特征指标；2：利用特征指标与风轮叶片各故障程度建立数据集；3：构建阈值算法推演各类故障严重程度模型；4：构建BP神经网络决策模型；5：融合阈值模型和BP神经网络模型得出最终诊断结果；6：实时学习更新模型。本发明结合损伤指数的表象阈值特征和神经网络深层特征，使得整个故障诊断算法具备严重损伤预警功能和故障等级判别功能，为监测系统的故障决策功能智能化实现打下基础。

公开(公告)号：CN109973331A

公开(公告)日：2019-07-05

申请号：CN201910368698.5

申请日：2019-05-05

Applicant: 内蒙古工业大学

Inventor： 毕俊喜 ,  樊文泽 ,  黄洪钟 ,  任君 ,  田园 ,  王丽琴 ,  宋晓娟

IPC: F03D17/00

Abstract: 本发明公开了一种基于bp神经网络的风力发电机组风轮叶片故障诊断算法，主要用于实现在役风力机叶片健康实时监测系统的故障决策智能化功能。其实现方案是：1：利用传感器获取与风轮叶片损伤有关的周围环境特征指标；2：利用特征指标与风轮叶片各故障程度建立数据集；3：构建阈值算法推演各类故障严重程度模型；4：构建BP神经网络决策模型；5：融合阈值模型和BP神经网络模型得出最终诊断结果；6：实时学习更新模型。本发明结合损伤指数的表象阈值特征和神经网络深层特征，使得整个故障诊断算法具备严重损伤预警功能和故障等级判别功能，为监测系统的故障决策功能智能化实现打下基础。