风能作为一种可再生的清洁能源,受到世界各国的高度关注与重视。偏航系统是大型风力发电机组的关键部件,用于控制机舱平稳、精确、可靠对风,确保风电机组的高效安全运行。由于长期承受交变载荷的复杂应力作用,极易发生疲劳损伤故障,造成重大的经济损失甚至人员伤亡。针对现有检测方法存在的不足,本文研究提出一种基于声学原理的偏航系统故障在线检测方法,具体研究内容及成果如下:(1)针对复杂背景噪声干扰问题,本文研究给出一种基于自适应谱减法的声信号预处理方法。首先,对原始信号分帧,使信号在短时间内近似平稳;然后,计算每帧信号的频谱重心并进行聚类分析,实现噪声帧的估计;最后,利用对数频谱距离确定每帧信号的过减因子,达到自适应谱减的目的。仿真结果表明:该方法可以抑制噪声,增强偏航信号。(2)针对偏航系统运行状态的表征问题,本文提出一种基于倍频程分析的特征提取方法。首先,分析了偏航事件的时序状态信息,将电磁抱闸开启与关闭产生的声脉冲作为偏航事件启停的标志;然后,通过脉冲提取算法截取声脉冲,并利用SVDD分类模型定位偏航事件;在此基础上,提取偏航声信号的声压级特征构建特征向量。实验结果表明:该方法可以有效地表征偏航系统的健康状态,正常与故障信号的声压级存一定差异性。(3)针对偏航系统故障存在的不确定性问题,引入概率模型,研究给出一种基于贝叶斯网络的偏航系统故障识别方法。首先,通过自组织特征映射算法对连续特征进行离散化,并利用信息增益率确定最优离散等级;然后,基于专家经验建立贝叶斯网络诊断模型,依据结构学习算法优化网络结构。最后,结合风场实测数据验证了方法的有效性。实验结果表明:相比于SVM、Stand-alone BN及BN_IGR算法,该方法具有最高的识别准确率,同时还具有较高的泛化能力。