CN119246065B 基于时频平面期望最大化的风电机组传动链故障诊断方法 （湖北能源集团新能源技术有限公司）

司发区光谷三路618号湖北天然气维抢基于时频平面期望最大化的风电机组传动本发明提出了基于时频平面期望最大化的点并进行无监督分类，实现振动信号的降噪处2S1；在风电机组的传动链配置柱形MEMS加速度传感器S3：基于时频平面期望最大化下的多分量信号估2.根据权利要求1所述的一种基于时频平面期望最大化的风电机组传动链故障诊断方一端与质量块(2)固定连接，锚点(2.1)的另一端朝着远离质量块(2)的方向延伸，锚点端与质量块(2)固定连接，若干梳齿(2.2)的另一端朝着远离质量块(2)的方向延伸，梳齿(1)的位置保持不变；风机传动链产生加速度时，质量块(2)带动锚点(2.1)和若干梳齿采样电流信号的大小并转换为风机传动链在变转速条件下的振3.根据权利要求2所述的一种基于时频平面期望最大化的风电机组传动链故障诊断方将风机传动链的振动信号转换为时间一频率表示，使用高斯窗函数对4.根据权利要求3所述的一种基于时频平面期望最大化的风电机组传动链故障诊断方假定进行N次噪声模拟，得到N个时间一频率谱图，定义零点i在不同噪声模拟中的位置为3Ki其中共同代表了零点i在第N次噪声模拟中的平均SS和δNN为位置变化量di的阈值，δSS为覆盖信号信号零点位置变化量的第一i5.根据权利要求4所述的一种基于时频平面期望最大化的风电机组传动链故障诊断方0的取值为2.5。6.根据权利要求4所述的一种基于时频平面期望最大化的风电机组传动链故障诊断方7.根据权利要求6所述的一种基于时频平面期望最大化的风电机组传动链故障诊断方Ak4然后使用加权平均的方法，估计后验分布的期望值：对数似然函数，找到最优的瞬时频率和幅值：其中"()是第t+1次迭代后的瞬时相位，A"()为第t次迭代后的k个分量的瞬时幅8.根据权利要求7所述的一种基于时频平面期望最大化的风电机组传动链故障诊断方9.根据权利要求8所述的一种基于时频平面期望最大化的风电机组传动链故障诊断方10.根据权利要求2所述的一种基于时频平面期望最大化的风电机组传动链故障诊断5不同分量信号的瞬时幅值和瞬时频率的基于时频平面期望最大化的风电机组传动链故障6取时频平面中信号域的估计，利用反短时傅里叶变换对信号域估计内的振动信号进行重Xk0σXj)分别是两个零点的7时傅里叶变换对信号域内的信号进行重建，计算得到无噪声信号的估计值i().k")8[0028](1)本发明通过采集风电机组传动链在变转速条件下的振动信号，实现风机传动瞬时幅值和瞬时频率，实现对非平稳工况下多组分振动信号时频特征的高分辨率时频表[0031]图1为本发明基于时频平面期望最大化的风电机组传动链故障诊断方法的步骤流[0032]图2为本发明基于时频平面期望最大化的风电机组传动链故障诊断方法的柱形[0033]图3为本发明基于时频平面期望最大化的风电机组传动链故障诊断方法的柱形9[0034]图4为本发明基于时频平面期望最大化的风电机组传动链故障诊断方法的柱形[0035]图5为本发明基于时频平面期望最大化的风电机组传动链故障诊断方法的柱形对于底座1的位置保持不变；风机传动链产生加速度时，质量块2带动锚点2.1和若干梳齿信号的大小并转换为风机传动链在变转速条件下的振动信号。极板3的主要作用是与质量导致输出与极板间的电容量也跟随变化，从而产生与振动产生的加速度相应的检测信号。取时频平面中信号域的估计，利用反短时傅里叶变换对信号域估计内的振动信号进行重j)分别是两个零点的于每个三角剖分的三角形，如果任一条边的加权边长大于预设边长阈值则认为三角短时傅里叶变换ISTFT对信号域内的信号5(i,f)进行重建，计算无噪声信号的估计值一步精确提取变转速下风机传动链振动信号中不同信号成分(如转频和故障特征频率)的"")是第t+1次迭代后的瞬时相位，A"()为第t次迭代后的k个分量的瞬r"和瞬时幅值作[0058]步骤S4的内容为：完成了对振动信号的信