CN106503794A - 一种风机齿轮箱剩余寿命预测方法 - Google Patents
一种风机齿轮箱剩余寿命预测方法 Download PDFInfo
- Publication number
- CN106503794A CN106503794A CN201610981530.8A CN201610981530A CN106503794A CN 106503794 A CN106503794 A CN 106503794A CN 201610981530 A CN201610981530 A CN 201610981530A CN 106503794 A CN106503794 A CN 106503794A
- Authority
- CN
- China
- Prior art keywords
- gear
- box
- antibody
- oil temperature
- affinity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
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
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610981530.8A CN106503794A (zh) | 2016-11-08 | 2016-11-08 | 一种风机齿轮箱剩余寿命预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610981530.8A CN106503794A (zh) | 2016-11-08 | 2016-11-08 | 一种风机齿轮箱剩余寿命预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106503794A true CN106503794A (zh) | 2017-03-15 |
Family
ID=58323678
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610981530.8A Pending CN106503794A (zh) | 2016-11-08 | 2016-11-08 | 一种风机齿轮箱剩余寿命预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106503794A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108376298A (zh) * | 2018-02-12 | 2018-08-07 | 湘潭大学 | 一种风电机组发电机温度故障预警诊断方法 |
CN108572324A (zh) * | 2018-04-13 | 2018-09-25 | 芜湖职业技术学院 | 基于免疫算法优化bp神经网络的电池soc估计装置 |
CN113408199A (zh) * | 2021-06-16 | 2021-09-17 | 华电山东新能源有限公司 | 一种基于多层感知神经网络的齿轮箱油温故障预警方法 |
CN114239752A (zh) * | 2022-01-24 | 2022-03-25 | 广州地铁集团有限公司 | 继电器剩余寿命预测模型的构建方法、装置、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104008423A (zh) * | 2013-02-26 | 2014-08-27 | 北京三一自动化技术有限责任公司 | 一种根据风况预测齿轮箱寿命的方法和系统 |
US20150301510A1 (en) * | 2014-04-22 | 2015-10-22 | Siegmund Düll | Controlling a Target System |
CN105136454A (zh) * | 2015-10-15 | 2015-12-09 | 上海电机学院 | 一种风电机组齿轮箱故障识别方法 |
CN105787584A (zh) * | 2016-01-28 | 2016-07-20 | 华北电力大学(保定) | 一种基于云平台的风电机群故障预警方法 |
-
2016
- 2016-11-08 CN CN201610981530.8A patent/CN106503794A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104008423A (zh) * | 2013-02-26 | 2014-08-27 | 北京三一自动化技术有限责任公司 | 一种根据风况预测齿轮箱寿命的方法和系统 |
US20150301510A1 (en) * | 2014-04-22 | 2015-10-22 | Siegmund Düll | Controlling a Target System |
CN105136454A (zh) * | 2015-10-15 | 2015-12-09 | 上海电机学院 | 一种风电机组齿轮箱故障识别方法 |
CN105787584A (zh) * | 2016-01-28 | 2016-07-20 | 华北电力大学(保定) | 一种基于云平台的风电机群故障预警方法 |
Non-Patent Citations (4)
Title |
---|
吴斌 等: "基于改进预测算法优化的风机齿轮箱维护策略", 《工业工程与管理》 * |
张秀云: "基于齿轮箱数据处理的故障预警与诊断系统", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
李娇娇: "基于粗集—神经网络的风电机组状态评估及齿轮箱异常预警", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
郭鹏 等: "基于IPSO-BP的风电机组齿轮箱状态监测研究", 《太阳能学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108376298A (zh) * | 2018-02-12 | 2018-08-07 | 湘潭大学 | 一种风电机组发电机温度故障预警诊断方法 |
CN108376298B (zh) * | 2018-02-12 | 2023-11-10 | 湘潭大学 | 一种风电机组发动机温度故障预警诊断方法 |
CN108572324A (zh) * | 2018-04-13 | 2018-09-25 | 芜湖职业技术学院 | 基于免疫算法优化bp神经网络的电池soc估计装置 |
CN113408199A (zh) * | 2021-06-16 | 2021-09-17 | 华电山东新能源有限公司 | 一种基于多层感知神经网络的齿轮箱油温故障预警方法 |
CN114239752A (zh) * | 2022-01-24 | 2022-03-25 | 广州地铁集团有限公司 | 继电器剩余寿命预测模型的构建方法、装置、设备及介质 |
CN114239752B (zh) * | 2022-01-24 | 2023-01-31 | 广州地铁集团有限公司 | 继电器剩余寿命预测模型的构建方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108009674A (zh) | 基于cnn和lstm融合神经网络的空气pm2.5浓度预测方法 | |
CN106779151B (zh) | 一种高速铁路沿线风速多点多层耦合预测方法 | |
CN106503794A (zh) | 一种风机齿轮箱剩余寿命预测方法 | |
CN107274011A (zh) | 综合马尔科夫模型和概率网络的设备状态识别方法 | |
CN105300692B (zh) | 一种基于扩展卡尔曼滤波算法的轴承故障诊断及预测方法 | |
CN104037943B (zh) | 一种提高电网电压质量的电压监测方法及系统 | |
CN105930955A (zh) | 基于深度学习的充电网络运行态势分析方法及装置 | |
CN106201849B (zh) | 一种有限数据驱动的长寿命部件余寿预测方法 | |
CN102183621A (zh) | 水产养殖溶解氧浓度在线预测方法及系统 | |
CN103218675A (zh) | 一种基于聚类和滑动窗口的短期负荷预测方法 | |
CN104408562A (zh) | 一种基于bp神经网络的光伏系统发电效率综合评估方法 | |
CN107909206A (zh) | 一种基于深层结构循环神经网络的pm2.5预测方法 | |
CN105631517A (zh) | 基于思维进化Elman神经网络的光伏发电功率短期预测方法 | |
CN110163436A (zh) | 基于动态瓶颈预测的智能车间生产优化方法 | |
CN109409568A (zh) | 一种基于遗传算法优化bp神经网络地下水埋深的预测方法 | |
CN109919356B (zh) | 一种基于bp神经网络区间需水预测方法 | |
CN106405352A (zh) | 一种电力绝缘子表面积污物的等值盐密预测及预警系统 | |
CN112884008B (zh) | 一种电力信息采集系统运行状态的预测评估方法及装置 | |
CN107944590A (zh) | 一种渔情分析预报的方法及设备 | |
CN107392307A (zh) | 并行化时序数据的预测方法 | |
CN109934422A (zh) | 一种基于时间序列数据分析的神经网络风速预测方法 | |
CN110059913A (zh) | 一种计及未来态的停电计划的量化评估方法 | |
CN114584406B (zh) | 一种联邦学习的工业大数据隐私保护系统及方法 | |
CN115423301A (zh) | 一种基于物联网的电力能源智能管控方法、装置及系统 | |
CN104134103B (zh) | 利用修正的bp神经网络模型预测热油管道能耗的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170315 |
|
RJ01 | Rejection of invention patent application after publication |