CN106503794A - 一种风机齿轮箱剩余寿命预测方法 - Google Patents

Abstract

一种风机齿轮箱剩余寿命预测方法，剩余寿命指在设备使用过程中的某个时刻开始，不执行任何维护措施，直至设备发生故障，这段时长称为设备剩余寿命，包括以下步骤：获取风电机组齿轮箱油温的历史数据，选取数据样本，该数据样本是齿轮箱第一个维护周期的起始阶段每隔一个时间段采集的齿轮箱油温数据，采用BP神经网络对齿轮箱未来油温进行预测，由此得出齿轮箱在第一个维护周期中齿轮箱不同油温下所对应的剩余寿命，进而制定维护计划。

Description

一种风机齿轮箱剩余寿命预测方法

技术领域

本发明属于风机技术领域，特别涉及一种风机齿轮箱剩余寿命预测方法。

背景技术

现有的技术中，对于风机齿轮箱，通过采集当前齿轮箱状态数据，采用BP神经网络来预测齿轮箱未来的状态，但是预测精度不高。而且仅仅是对齿轮箱未来的状态进行预测，无法对齿轮箱的衰退趋势进行定量的描述。

发明内容

本发明根据BP算法的缺点，对其进行优化，使得对于齿轮箱剩余寿命的预测更加准确，能够提前预知齿轮箱未来的健康状况。

本发明的技术方案是，一种风机齿轮箱剩余寿命预测方法，剩余寿命指在设备使用过程中的某个时刻开始，不执行任何维护措施，直至设备发生故障，这段时长称为设备剩余寿命，包括以下步骤：

获取风电机组齿轮箱油温的历史数据，

选取数据样本，该数据样本是齿轮箱第一个维护周期(齿轮箱从起始状态时刻到需要进行维护时刻所经历的时间)内的起始阶段每隔一个时间段采集的齿轮箱油温数据，采用BP神经网络对齿轮箱未来油温进行预测，由此得出齿轮箱在第一个维护周期中齿轮箱不同油温下所对应的剩余寿命，进而制定维护计划。

采用人工免疫算法对BP神经网络优化，包括步骤：

步骤1，抗原识别：根据要优化的权值和阈值个数，将种群信息定义为一个结构体；

步骤2，产生初始抗体种群：在可行解空间随机生成M组初始网络的权值和阈值作为初始抗体群。每组权值和阈值形成一个长度为N的抗体，每个抗体代表一个被选中的网络参数的序列；

步骤3对抗体多样性评价，包括：

1)抗体和抗原的亲和度计算

抗体和抗原的亲和度用来表示抗体对抗原的识别程度，使用预测值与真实值的误差作为亲和度的值，分别对这M组参数构造的网络计算误差值，误差值小的亲和度大；

2)通过计算抗体和抗原的亲和度与抗体浓度，评价抗体的优秀程度，得出期望的繁殖概率；

步骤4，更新记忆库：采取经营策略，在跟新记忆库时，先将与抗原亲和度高的一些个体加入记忆库，在根据期望繁殖率将其余个体中优秀的个体加入记忆库；

步骤5，免疫操作：对新的抗体按照轮盘赌进行选择操作、单点交叉和随机选择变异位进行变异操作，再加入记忆库中抗体，产生新的种群；

步骤6若找到最优值或达到迭代次数，则输出初始权值和阈值，否则转到步骤3，不断的对权值和阈值进行进化，直到达到算法停止准则，得出优化后的参数值；

步骤7，进行误差计算；

步骤8，更新权值和阈值；

步骤9，若满足训练要求，算法结束；否则，转到步骤7。

本发明采用人工免疫算法对BP神经网络的初始权值和阈值进行优化，使得优化后的BP神经网络能够更加准确的对齿轮箱的剩余寿命进行预测。引入剩余寿命的概念定量的对齿轮箱的衰退趋势进行描述，能够及时的预测出齿轮箱的故障程度，实现严重故障发生前对其进行维修，并且能够增加维修的准备时间，使得维修工作更加有效，增加了齿轮箱的可靠性。

本发明能够提高BP神经网络的预测精度，通过对剩余寿命的预测能够定量的对齿轮箱未来衰退趋势进行描述，使得维修人员能够提早准备并对故障进行排除，提高科维修效率、减小了维修成本，保证了齿轮箱的可靠运行。

附图说明

图1是本发明对BP神经网络优化流程图。

具体实施方式

本发明之风电机组齿轮箱剩余寿命预测方法是一种基于BP神经网络和人工免疫算法的方法，具体实施步骤如下:

步骤1获取齿轮箱历史数据。即从数据存储模块中获取一定时间范围内的风电机组齿轮箱油温的历史数据。

步骤2对数据进行预处理。

步骤3选取了244个数据样本，此244个样本在第一个维护周期的起始阶段每隔两个小时采集齿轮箱油温一次，共采集到244个数据样本，然后采用BP神经网络和优化后的BP神经网路对齿轮箱未来油温进行预测，选取三层网络，其隐含层神经元数目为13，学习效率为0.01，用前50个数据进行训练，然后对未来196个数据进行预测，优化前预测数据、优化后预测数据与采集来的数据作比较，得出本发明所提出方法的有效性。

步骤4设备的剩余寿命指在设备使用过程中的某个时刻开始，直至设备工作到发生故障期间不执行任何维护措施，这段时间称为设备剩余寿命。若通过预测模型测得第244步时，齿轮箱的油温为40℃，则可得出40℃时的齿轮箱剩余寿命为T＝244×2＝488(小时)，据此可以预测出齿轮箱在第一个维护周期中齿轮箱不同油温下所对应的剩余寿命，进而制定维护计划。

综上所述，本发明提出一种风电机组齿轮箱剩余寿命方法通过人工免疫算法对BP神经网络进行优化，同时通过剩余寿命的预测描述了齿轮箱的衰退特性。

Claims (2)

1.一种风机齿轮箱剩余寿命预测方法，剩余寿命指在设备使用过程中的某个时刻开始，不执行任何维护措施，直至设备发生故障，这段时长称为设备剩余寿命，其特征在于，包括以下步骤：

获取风电机组齿轮箱油温的历史数据，

选取数据样本，该数据样本是齿轮箱第一个维护周期(齿轮箱从起始状态时刻到需要进行维护时刻所经历的时间)内的起始阶段每隔一个时间段采集的齿轮箱油温数据，采用BP神经网络对齿轮箱未来油温进行预测，由此得出齿轮箱在第一个维护周期中齿轮箱不同油温下所对应的剩余寿命，进而制定维护计划。

2.如权利要求1所述的风机齿轮箱剩余寿命预测方法，其特征在于，采用人工免疫算法对BP神经网络优化，包括步骤：

步骤1，抗原识别：根据要优化的权值和阈值个数，将种群信息定义为一个结构体；

步骤2，产生初始抗体种群：在可行解空间随机生成M组初始网络的权值和阈值作为初始抗体群。每组权值和阈值形成一个长度为N的抗体，每个抗体代表一个被选中的网络参数的序列；

步骤3对抗体多样性评价，包括：

1)抗体和抗原的亲和度计算

抗体和抗原的亲和度用来表示抗体对抗原的识别程度，使用预测值与真实值的误差作为亲和度的值，分别对这M组参数构造的网络计算误差值，误差值小的亲和度大；

2)通过计算抗体和抗原的亲和度与抗体浓度，评价抗体的优秀程度，得出期望的繁殖概率；

步骤4，更新记忆库：采取经营策略，在跟新记忆库时，先将与抗原亲和度高的一些个体加入记忆库，在根据期望繁殖率将其余个体中优秀的个体加入记忆库；

步骤5，免疫操作：对新的抗体按照轮盘赌进行选择操作、单点交叉和随机选择变异位进行变异操作，再加入记忆库中抗体，产生新的种群；

步骤6若找到最优值或达到迭代次数，则输出初始权值和阈值，否则转到步骤3，不断的对权值和阈值进行进化，直到达到算法停止准则，得出优化后的参数值；

步骤7，进行误差计算；

步骤8，更新权值和阈值；

步骤9，若满足训练要求，算法结束；否则，转到步骤7。