风力发电故障诊断及其容错控制

第五章 故障诊断
本章主要是主要是对故障诊断的算法的设计进行了解释。这些算法既可以用来 监视工作状况，也可以用在一个主动的故障容错系统中来为观测器提供充分的 信息来重构控制器。 本章建立了一种基于模型的故障诊断系统，这种系统同时依赖于测量变量和估 计变量。因此, 计变量。因此,设计的重构估计器必须能根据下图所示的结构设计整个故障诊断 系统。
风力发电故障诊断及其容错控制 读书笔记及个人理解
Fault Diagnosis and Fault-Tolerant Control of FaultWind Turbines 研究背景 由于化石燃料能源的短缺及不可再生性，用可再 生能源尤其是风能来代替传统能源的研究具有相 当重要的意义。风能的优点：可再生没有环境污 染是其最大的优点。风电装置一般安装在比较偏 远的地方，所以一个比较有效的故障诊断及容错 控制方案可以使得风力发电系统更有效的产能， 而且节省了维护成本，并且使故障在第一时间内 得到处理，避免了故障发展为事故。
第二章系统描述
风机的组成部分
1.Anemometer风速表：测量风速。 2.Brakes刹车：可是电气，机械或 者液压制动。 3.Gearbox齿轮箱：连接低速轴和 高速轴的部分。起到一个变速作用。 4.Generator发电机。 5.High-speed shaft高速轴 直接驱动发电机的部分。 6. Low-speed shaft 低速轴 连接风机转子与齿轮箱的部分 7.Nacelle吊舱或机舱 固定在塔杆上，内置齿轮箱等。 8.Tower塔杆 承载机舱及风机的部 分。 9.Wind vane 风机尾翼 测量风的方向 10.Yaw mechanism偏航系统 矫 正风机朝向，使其朝向逆风的方向。
状态监测是诊断风力发电机组已经产生故障的有效途径， 而故障诊断则可预 测机组将来会产生的故障或分析故障早期的方法。在基于状态监测的风力发 电机组维护策略中， 采用各种行之有效的故障诊断方法， 可分析出部件故 障早期的存在， 避免或降低未来故障产生造成的损失。 频谱分析的方法：目前， 频谱分析是风力发电机组故障诊断最常用的方法， 尤其在对振动信号和功率信号分析方面， 通常对采集到的数据进行傅里叶变 换，得到信号的频域谱， 从频率的异常变化来诊断机组的故障。 人工智能方法：风力发电机组故障原因复杂, 人工智能方法：风力发电机组故障原因复杂, 其故障征兆、故障原因和故障 机理之间存在着极大的不确定性，故许多学者希望通过人工智能的方法来诊 断机组的故障。文献中引入了一种用单层前向神经网络对数据进行快速分类 绘制故障与非故障分界线的方法，该方法能很好地根据实时数据判断风力发 电机电力电子装置的故障。文献中分析了风力发电机组故障与征兆间的模糊 关系， 形成了模糊故障诊断规则, 建立了风力发电机组模糊故障诊断自适应 形成了模糊故障诊断规则, 修正数学模型。文献中提出了一种智能预测维护系统， 该系统考虑来自不同 传感器的实时信息和其他来源的信息， 从看似正常的行为中诊断出异常。文 献中介绍了风力发电系统故障诊断专家系统的结构及实现原理, 献中介绍了风力发电系统故障诊断专家系统的结构及实现原理,特别提出了数 据库的奇偶编号、推理机的模糊推理判断及学习机制的机械学习， 以增强故 障诊断专家系统的智能性。 小波分析的方法：小波分析具有多分辨（ 也称多尺度） 的特点。在高频率 的部分频段能放大尺度， 具有很好的频率分辨性； 在低频率的部分频段能 缩小尺度， 具有很好的时间分辨性和对信号的自适应性
风力发电机组的内部结构
机舱＋轮毂＋桨叶＋变桨系统＋偏航系统＋齿轮箱＋发电机＋底座＋塔筒 ＋控制柜
第三章 风机建模
模型结构
本章主要介绍了如何建立风的模型，空气动力学模型，驱动链模型，塔杆模型，电力 系统模型，变节距系统模型，以及这些模型中可以忽略的一些动态特性，并最终将这 些模型合并为一个大的系统模型如上图所示。本章还介绍了一个传感器的参数，比如 发电机转速，发电机转矩，节距角，风机转速等。
该图展示了用故障向量f(k)重构的估计器, 该图展示了用故障向量f(k)重构的估计器,由故障检测和分离块提供。该重构器 使估计器提供一个故障矫正状态估计x ^(k),估计附加状态xf (k),通过故障引 使估计器提供一个故障矫正状态估计x ^(k),估计附加状态xf (k),通过故障引 入。故障校正的状态估计器能使在普通结构下的故障诊断算法维持工作即使当 其他故障也存在时。这使得故障诊断系统能同时诊断多种故障。可重构的估计 器由重构风速估计器和可重构的扩展卡尔曼滤波器构成。 本章节主要设计了两种可重置参数的估计器。包括，一个风速估计器和一个广 义的卡尔曼滤波器。并针对第四章出现的故障设计了相应的故障诊断算法。
本章中提到的所谓基于信号修正的容错控制系统 是指这个控制系统可以独立于虚拟控制器的结构 进行实施，并且不会对控制器的表现造成影响。 基于信号修正的容错控制系统框图如下图所示：
经典容错控制理论
被动容错控制 被动容错控制设计适当固定结构的控制器, 被动容错控制设计适当固定结构的控制器, 该控制器除考虑正常工作 状态的参数值外，还要考虑在故障情况下的参数值，即无论是控制部 件正常运行还是执行器、传感器等部件失效时，均能保障系统的稳定 性。 主动容错控制 由于被动控制方法是根据系统可能出现的最坏情况，设计出具有固定 参数的控制器。这往往使设计出来的控制器过于保守且只具有有限的 容错范围。主动控制方法克服了被动控制器不能达到最优控制的缺点， 能够利用系统的在线辨识信息，重新进行控制器设计，从而实现容错 控制。因此，这种控制方法也被称为重构控制或自适应控制。 (1)基于控制律的重构设计的主动容错控制 (1)基于控制律的重构设计的主动容错控制 根据故障诊断系统提供的故障定位信息，实时在线重组或重构控制律， 从而对故障实现容错。
LPV系统 LPV系统
目前研究最多的系统，大致有：线性时不 变(Linear Time—Invariant)系统、线性 Time—Invariant)系统、线性 时变(Linear Time时变(Linear Time-Varying) 系统以及线 性参变(Linear 性参变(Linear Parameter Varying)系统。 Varying)系统。 LPV系统是被Shamma和Athans首先引入 LPV系统是被Shamma和Athans首先引入 的一类特殊 的时变系统，它的实例广泛地 存在于飞行控制系统等 设计中。许多非线 性系统甚至是时变系统可以通过状 态转换 为LPV系统或者“准LPV”系统，因此研究 LPV系统或者“ LPV” LPV 系统的增益控制有着广泛的意义
ຫໍສະໝຸດ Baidu六章 基于信号修正的容错控制
本章主要介绍了一种基于信号纠正的故障容错控 制。基于信号纠正的控制系统并没有建立完整的 系统模型，仅仅是根据估计的故障来修正控制器 的输入和输出。 调整故障所用到的信号修正有单桨传感器偏差， 多桨传感器偏差，发电机转速传感器的比例误差， 以及发电机转速传感器的确定性输出。 动态系统的容错控制，是伴随着基于解析冗余的 故障诊断技术的发展而发展起来的。如果在执行 器、传感器或元部件发生故障时，闭环控制系统 仍然是稳定的，并仍然具有较理想的特性就称此 闭环控制系统为容错控制系统 。
(2)基于多模型切换的智能容错控制: (2)基于多模型切换的智能容错控制:多模型的设计有两种不 同的方法：固定多模型和自适应多模型。 固定多模型:参 固定多模型: 数向量不随环境改变；自适应模型：要随环境时刻更新它 的参数向量，最后可以达到精确跟踪。 鲁棒容错控制 经典的鲁棒控制问题，就是设计一个固定的（与不确定性 无关的) 无关的)控制器使得即使出现了重大不确定性也能保证一 定的设计要求，其中不确定性有界，上界为常量或状态和 时间的已知函数。线性鲁棒控制有很多不同的理论分支， 其中比较重要的有：Kharitonov 区间理论[18]、结构奇 其中比较重要的有：Kharitonov 区间理论[18]、结构奇 异值理论(理论)[19]和控制理论[20]。线性鲁棒控制已经 异值理论(理论)[19]和控制理论[20]。线性鲁棒控制已经 基本成熟。基于微分几何的非线性系统控制理论的出现， 极大地促进了非线性系统鲁棒控制理论的研究，它与李亚 普诺夫稳定性理论、小增益理论以及耗散性或无源性等理 论相结合，给出了许多有效的非线性鲁棒系统分析和设计 方法。近年来，出现了一些针对特定复杂的系统或特定的 模型提出了鲁棒控制的方法。
第七章 通过LPV方法的容错控制 通过LPV方法的容错控制
本章的主要目的是设计和比较主动和被动两种容 错控制系统。再设计控制器的时候同时要考虑两 种系统处理故障的能力。 由上一章节知道，变化的动态的叶桨系统不能由 信号修正的方法来调节。再众多导致叶桨系统变 化的原因中，选取了液压油中空气的含量的变化 对系统的稳定的影响来进行分析。选择这种故障 现象进行的原因是因为，这种故障最可能发生而 且当液压油中的空气含量过高时，参考控制器将 会变得不太稳定。
第四章 故障分析
本章主要对风机系统中的各种故障及其对系统的影响。 1.模型分解。本部分对第三章风机系统的模型进行分解成三部分：旋转叶片 1.模型分解。本部分对第三章风机系统的模型进行分解成三部分：旋转叶片 （rotor），驱动链（drive train），发电系统（power system）。并分析 rotor），驱动链（drive train），发电系统（power system）。并分析 各个子系统中，可能发生故障的部件。 2.故障传播分析。这一部分主要通过描述部件错误对其所在系统的影响来描 2.故障传播分析。这一部分主要通过描述部件错误对其所在系统的影响来描 述部件故障是如何在系统中传播的。所使用的方法是用FMEA分析方法对旋 述部件故障是如何在系统中传播的。所使用的方法是用FMEA分析方法对旋 转叶片，驱动链，发电系统进行分析。所谓FMEA是一种可靠性设计的重要 转叶片，驱动链，发电系统进行分析。所谓FMEA是一种可靠性设计的重要 方法。它实际上是FMA（故障模式分析）和FEA（故障影响分析）的组合。 方法。它实际上是FMA（故障模式分析）和FEA（故障影响分析）的组合。 它对各种可能的风险进行评价、分析，以便在现有技术的基础上消除这些风 险或将这些风险减小到可接受的水平。 3.故障评估。这部分主要是对评估故障对系统所造成影响的严重性及其末端 3.故障评估。这部分主要是对评估故障对系统所造成影响的严重性及其末端 效应，并确定哪些故障是需要紧急处理的。并通过末端效应建立了一种因果 关系来追溯那些故障部件。 4.结构性分析。这部分的内容主要是对风机系统进行结构性的分析来确定冗 4.结构性分析。这部分的内容主要是对风机系统进行结构性的分析来确定冗 余关系（ARRs）。ARRs可以用来检测和隔离故障。而且通过对可以确定某 余关系（ARRs）。ARRs可以用来检测和隔离故障。而且通过对可以确定某 些可以探究的故障和传感器融合的可能性。 5.故障的详细说明。常见的故障主要有，叶桨传感器故障，叶桨执行机构故 5.故障的详细说明。常见的故障主要有，叶桨传感器故障，叶桨执行机构故 障，发电机转速传感器故障。在每一种故障下面有很多又小的故障。 6.补救措施的选择。针对每一种故障，列出了相应的补救措施。 6.补救措施的选择。针对每一种故障，列出了相应的补救措施。
第八章 集成测试
本章的主要目的是将故障诊断中的信号修正算法 和故障容错LPV模型控制器在一个故障诊断容错 和故障容错LPV模型控制器在一个故障诊断容错 系统中融合起来。然后将这个系统暴露在各种大 量的突发故障情况下进行验证。尽管被动的容错 控制系统和主动的容错控制系统都能得到类似的 期望值，但是在本测验中选择主动的容错控制技 术进行验证。这样选择的原因是因为这个控制器 依赖于大量的可以同时验证的故障诊断算法。 本测试的目标是确认这个系统是否能够诊断和调 节大量的随机突发故障。当大量随机突发故障发 生的时候，每一种诊断算法在应对其他故障时应 具备很强的鲁棒性并保障整个控制系统的性能良 好。