本發明涉及一種利用灰色關聯分析法檢測風電機組齒輪故障的診斷方法，屬于故障檢測領域。
背景技術：
作為戶外發電設備，風力發電機組的運行工況受自然因素影響十分明顯。由于風速的隨時變化，機組軸系轉速也相應的發生變化，造成風電機組運行工況具有較為明顯的波動性。
齒輪箱是雙饋發電機組的重要增速機構，其結構緊湊，部件繁多，長期受到變轉速、變載荷的影響，容易發生齒輪表面磨損、點蝕等故障，嚴重時會造成設備失效。雖然齒輪箱故障占整機故障的比率不算高，但是其故障造成的停機時間較長、電場的經濟損失非常大。
針對這類問題，國內外學者提出了許多針對齒輪箱故障診斷的分析方法，其中有小波分、神經網絡、支持向量機等方法。這些方法雖然能夠實現對齒輪箱數據特征的提取與診斷，但是在整個分析過程中，通常只關心不同故障模式下特征參數之間的差異，很少考慮因為齒輪箱中軸系波動對數據帶來的影響。同時，在故障診斷過程中，缺乏對參與計算的各個特征參數與故障模式之間聯系的深入研究，致使在實際應用中，并不能得到十分理想的效果。受風速影響，風電機組齒輪箱軸系的轉速時刻發生改變，監測數據、運行參數隨工況的變化對于最終故障分析結果有明顯影響。由此可見，對于風電機組設備的狀態監測與故障診斷內容的研究十分重要。為此本發明提供了一種利用灰色關聯分析法檢測風電機組齒輪故障的診斷方法。
技術實現要素：
本發明的目的在于提供一種利用灰色關聯分析法檢測風電機組齒輪故障的診斷方法。
為實現上述目的，本發明采取的技術方案是：一種利用灰色關聯分析法檢測風電機組齒輪故障的診斷方法，其特征是：步驟一：基于角域信號無量綱因子趨勢的故障特征提取；步驟二：通過灰色關聯分析法分析參數與故障模式特征之間的關聯度，從而得到較為準確的分析結果。
所述的一種利用灰色關聯分析法檢測風電機組齒輪故障的診斷方法，所述的步驟一包括階比重采樣信號的預處理及機組齒輪箱故障信號的特征提取兩個部分。
所述的一種利用灰色關聯分析法檢測風電機組齒輪故障的診斷方法，所述的階比重采樣方法將時域信號轉化成角域信號，以提高信號的平穩性。
所述的一種利用灰色關聯分析法檢測風電機組齒輪故障的診斷方法，所述的故障信號特征提取及通過對角域信號多種無量綱參數的提取，以此作為分析初論箱運行的依據，且由于故障的確定性，其故障狀態也分為n種。
所述的一種利用灰色關聯分析法檢測風電機組齒輪故障的診斷方法，所述的灰色關聯法的實質是比較數據曲線集合形狀的接近程度，及數據曲線的幾何形狀越接近，關聯度越大，實際檢測數據就越接近參考情況。
附圖說明
附圖1是本發明的原理示意圖。
具體實施方式
下面將結合本發明實施例中的附圖，對本發明中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅是發明的一部分實施例，而不是全部的實施例，基于本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。
本發明公開了一種利用灰色關聯分析法檢測風電機組齒輪故障的診斷方法，其特征是：步驟一：基于角域信號無量綱因子趨勢的故障特征提取；步驟二：通過灰色關聯分析法分析參數與故障模式特征之間的關聯度，從而得到較為準確的分析結果。
所述的一種利用灰色關聯分析法檢測風電機組齒輪故障的診斷方法，其特征是：所述的步驟一包括階比重采樣信號的預處理及機組齒輪箱故障信號的特征提取兩個部分。
所述的一種利用灰色關聯分析法檢測風電機組齒輪故障的診斷方法，其特征是：所述的階比重采樣方法將時域信號轉化成角域信號，以提高信號的平穩性。
所述的一種利用灰色關聯分析法檢測風電機組齒輪故障的診斷方法，其特征是：所述的故障信號特征提取及通過對角域信號多種無量綱參數的提取，以此作為分析初論箱運行的依據，且由于故障的確定性，其故障狀態也分為n種。
所述的一種利用灰色關聯分析法檢測風電機組齒輪故障的診斷方法，其特征是：所述的灰色關聯法的實質是比較數據曲線集合形狀的接近程度，及數據曲線的幾何形狀越接近，關聯度越大，實際檢測數據就越接近參考情況。