CN116296365B - 一种风力发电机组齿轮箱磨损自动预警方法及系统 - Google Patents

Abstract

本说明书实施例提供一种风力发电机组齿轮箱磨损自动预警方法及系统，属于风力发电机领域，包括：监测点确定模块，用于基于风力发电机组齿轮箱的仿真模型，确定至少一个目标检测点；数据获取模块，用于获取风力发电机组齿轮箱的当前磨损相关数据，其中，当前磨损相关数据至少包括润滑油相关数据集、磨损金属量数据、振动数据集、运行声音数据集、风机叶片振动数据集及环境数据集；数据处理模块，用于对当前磨损相关数据进行去噪处理；磨损预警模块，用于通过磨损预警模型基于去噪后的当前磨损相关数据确定风力发电机组齿轮箱的当前磨损值，具有对风力发电机组齿轮箱的磨损进行自动监测，提高风力发电机组齿轮箱运行的安全性、可靠性的优点。

Description

一种风力发电机组齿轮箱磨损自动预警方法及系统

技术领域

本说明书涉及风力发电机领域，特别涉及一种风力发电机组齿轮箱磨损自动预警方法及系统。

背景技术

由于风力发电机因其设备昂贵，工作环境恶劣、地点偏远、设备的高度较高，维修保养工作十分不便，确保可靠稳定的长周期运转，加强平时主动维护，避免被动维修是最核心的要求。对风电机组的润滑磨损状态进行检测，并在此基础上开展视情维护对风电场的长期效益有着非常积极的作用。

风力发电机组齿轮箱可分为单级和多级齿轮箱，风力发电机齿轮箱作为风力发电机组主要变速、能量传递的部件，是一种低速重载的增速齿轮传动，它安装在距离地面几十米的高级塔之上狭小的机舱内，由于选材、加工、热处理、安装调试、使用维护、工作环境恶劣等原因，风力发电机组齿轮箱极易发生故障，经常在工作过程中造成损坏，从而影响整机的工作性能。据统计，风力发电机组齿轮箱的损坏率高达40％-50％。

因此，需要提供一种风力发电机组齿轮箱磨损自动预警方法及系统，对风力发电机组齿轮箱的磨损进行自动预警。

发明内容

本说明书实施例之一提供一种风力发电机组齿轮箱磨损自动预警系统，所述系统包括：监测点确定模块，用于基于所述风力发电机组齿轮箱的仿真模型，确定至少一个目标检测点；数据获取模块，用于获取所述风力发电机组齿轮箱的当前磨损相关数据，其中，所述当前磨损相关数据至少包括润滑油相关数据集、磨损金属量数据、振动数据集、运行声音数据集、风机叶片振动数据集及环境数据集，所述振动数据集包括所述至少一个目标检测点的振动数据；数据处理模块，用于对所述当前磨损相关数据进行去噪处理，获取去噪后的当前磨损相关数据；磨损预警模块，用于通过磨损预警模型基于所述去噪后的当前磨损相关数据确定所述风力发电机组齿轮箱的当前磨损值。

在一些实施例中，所述基于所述风力发电机组齿轮箱的三维模型，确定至少一个目标检测点，包括：建立所述风力发电机组齿轮箱的仿真模型；基于所述风力发电机组齿轮箱的仿真模型的机械结构，确定多个候选监测点；通过蒙特卡罗模型随机生成多个风力发电机组齿轮箱的仿真磨损状态；对于每个所述仿真磨损状态，基于所述仿真磨损状态调整所述风力发电机组齿轮箱的仿真模型，所述仿真模型在所述仿真磨损状态下运行过程中，获取所述多个候选监测点的仿真数据；基于每个所述仿真磨损状态下所述多个候选监测点的仿真数据，对所述多个候选监测点与所述风力发电机组齿轮箱的仿真磨损状态进行相关性分析，生成相关性分析结果；基于所述相关性分析结果，基于所述多个候选监测点确定所述至少一个目标检测点。

在一些实施例中，所述对所述当前磨损相关数据进行去噪处理，获取去噪后的当前磨损相关数据，包括：对于每个所述目标检测点的振动数据，基于所述目标检测点的振动数据生成振动波形；将所述振动波形分解为至少一个内涵模态分量和一个残差；通过噪声确定模型基于所述至少一个内涵模态分量和一个残差，确定目标内涵模态分量，其中，所述目标内涵模态分量为包含有噪声的内涵模态分量；通过生成式对抗网络基于所述运行声音数据集、所述风机叶片振动数据集、所述至少一个内涵模态分量和所述残差，对所述目标内涵模态分量进行去噪，基于去噪后的目标内涵模态分量重构振动波形。

在一些实施例中，所述数据处理模块还用于：确定重构的振动波形的时域特征，其中，所述时域特征包括均值、均方值、方差和/或峰值；对所述重构的振动波形进行频谱分析，确定所述重构的振动波形的频域特征，其中，所述重构的振动波形的频域特征包括所述重构的振动波形在不同频率下的振幅、功率、强度和/或相位；所述磨损预警模块通过磨损预警模型基于所述去噪后的当前磨损相关数据确定所述风力发电机组齿轮箱的当前磨损值，包括：基于所述润滑油相关数据集、所述磨损金属量数据、所述重构的振动波形的时域特征和频域特征、所述风机叶片振动数据集、所述运行声音数据集及所述环境数据集，确定所述风力发电机组齿轮箱的当前磨损值。

在一些实施例中，所述方法还包括数据预测模块，用于在所述磨损预警模块确定的所述风力发电机组齿轮箱的当前磨损值小于预设磨损阈值时，基于所述当前磨损相关数据及至少一个历史磨损相关数据，预测未来磨损相关数据；基于所述环境数据集及所述风力发电机所处地形，预测所述风力发电机的未来覆冰情况；所述磨损预警模块还用于通过所述磨损预警模型基于所述未来磨损相关数据及所述风力发电机的未来覆冰情况预测所述风力发电机组齿轮箱的未来磨损值。

在一些实施例中，所述风力发电机组齿轮箱包括润滑油进口及润滑油出口；所述数据获取模块还用于获取所述润滑油进口的润滑油的温度信息及杂质信息，其中，所述润滑油相关数据集包括所述润滑油进口的润滑油的温度信息及杂质信息。

在一些实施例中，所述数据获取模块还用于获取所述润滑油出口的润滑油的温度信息，其中，所述润滑油相关数据集包括所述润滑油出口的润滑油的温度信息；所述数据获取模块还用于对所述润滑油出口的润滑油进行分离，获取所述润滑油出口的润滑油中的金属颗粒；所述数据获取模块还用于基于所述润滑油出口的润滑油中的金属颗粒，生成磨损金属量数据。

在一些实施例中，所述数据获取模块包括控制器及固液分离装置，用于将所述润滑油出口的润滑油中的金属颗粒从润滑油中分离；所述固液分离装置包括分离箱、转动设置在所述分离箱内的转动轴及至少一个沿所述转动轴的长度方向设置在所述转动轴上的分离叶片，所述分离箱上设置有驱动装置，所述驱动装置用于驱动所述转动轴绕所述转动轴的轴线转动，所述分离叶片上设置有至少一个电磁铁；所述控制器用于控制所述驱动装置驱动所述转动轴绕所述转动轴的轴线转动预设圈数；所述分离箱包括第一出口和第二出口，所述第一出口上设置有第一电磁阀，所述第二出口上设置有第二电磁阀；所述控制器还用于在所述转动轴绕所述转动轴的轴线转动预设圈数后，控制所述第一电磁阀处于开启状态，并控制第二电磁阀继续处于闭合状态；所述分离箱还包括有机溶剂存储箱及有机溶剂导入管道，所述有机溶剂导入管道的一端与所述分离箱导通连接，所述有机溶剂导入管道的另一端与所述分离箱导通连接，所述有机溶剂导入管道内设置有第三电磁阀；所述控制器还用于在分离金属颗粒后的润滑油从所述第一出口导出后，将所述电磁铁断电，并开启第三电池阀，将预设量的有机溶剂从所述有机溶剂导入管道导入至所述分离箱内；所述固液分离装置还可以包括离心设备，所述离心设备导通连接有出料管道，所述出料管道与所述第二出口连接；所述控制器还用于在导入所述有机溶剂预设时间段后，控制所述第二电磁阀处于开启状态，并控制第一电磁阀继续处于闭合状态，将所述有机溶剂从所述出料管道导入至所述离心设备；所述控制器还用于控制所述离心设备分离所述有机溶剂中的金属颗粒；所述数据获取模块还包括金属颗粒取出装置及点云获取装置，所述金属颗粒取出装置用于从所述离心设备中取出分离后的金属颗粒；所述点云获取装置包括振动设备及点云扫描设备；所述金属颗粒取出装置取出所述分离后的金属颗粒，将所述分离后的金属颗粒放置于所述振动设备内，所述振动设备用于对所述分离后的金属颗粒进行振动处理；所述点云扫描设备用于在所述振动设备对所述分离后的金属颗粒完成振动处理后，对所述金属颗粒进行扫描，获取所述金属颗粒的点云数据。

在一些实施例中，所述数据获取模块基于所述润滑油出口的润滑油中的金属颗粒，生成磨损金属量数据，包括：基于所述金属颗粒的点云数据，获取所述金属颗粒的尺寸及当前的磨损金属总体积，其中，所述磨损金属量数据包括所述金属颗粒的当前尺寸及所述当前的磨损金属总体积；基于至少一个历史时间点获取的磨损金属总体积及所述当前的磨损金属总体积，确定磨损量变化趋势，其中，所述磨损金属量数据包括所述磨损量变化趋势。

本说明书实施例之一提供一种风力发电机组齿轮箱磨损自动预警方法，所述方法包括：基于所述风力发电机组齿轮箱的仿真模型，确定至少一个目标检测点；获取所述风力发电机组齿轮箱的当前磨损相关数据，其中，所述当前磨损相关数据至少包括润滑油相关数据集、磨损金属量数据、振动数据集、运行声音数据集、风机叶片振动数据集及环境数据集，所述振动数据集包括所述至少一个目标检测点的振动数据；对所述当前磨损相关数据进行去噪处理，获取去噪后的当前磨损相关数据；通过磨损预警模型基于所述去噪后的当前磨损相关数据确定所述风力发电机组齿轮箱的当前磨损值。

在一些实施例中，风力发电机组齿轮箱磨损自动预警方法及系统，相比于现有技术，至少具备以下有益效果：

1、通过获取风力发电机组齿轮箱的当前磨损相关数据并进行去噪处理，可以较为准确地实时判断确定风力发电机组齿轮箱的当前磨损值；

2、通过将振动波形分解为至少一个内涵模态分量和一个残差，并通过生成式对抗网络基于运行声音数据集、风机叶片振动数据集、至少一个内涵模态分量和残差，对目标内涵模态分量进行去噪，可以较为准确地去噪，使得重构的振动波形的噪声影响较少，从而使得确定的风力发电机组齿轮箱的当前磨损值较为准确；

3、在磨损预警模块确定的风力发电机组齿轮箱的当前磨损值小于预设磨损阈值时，基于当前磨损相关数据及至少一个历史磨损相关数据，预测未来磨损相关数据，并通过磨损预警模型基于未来磨损相关数据及风力发电机的未来覆冰情况预测风力发电机组齿轮箱的未来磨损值，实现风险预警。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的示例性风力发电机组齿轮箱磨损自动预警系统的模块图；

图2是根据本说明书一些实施例所示的示例性风力发电机组齿轮箱磨损自动预警方法的流程图；

图3是根据本说明书一些实施例所示的对当前磨损相关数据进行去噪处理的流程图；

图4是根据本说明书一些实施例所示的预测风力发电机组齿轮箱的未来磨损值的流程图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是根据本说明书一些实施例所示的示例性风力发电机组齿轮箱磨损自动预警系统的模块图。如图1所示，风力发电机组齿轮箱磨损自动预警系统可以包括监测点确定模块、数据获取模块、数据处理模块及磨损预警模块。

监测点确定模块可以用于基于风力发电机组齿轮箱的仿真模型，确定至少一个目标检测点。

在一些实施例中，监测点确定模块基于风力发电机组齿轮箱的三维模型，确定至少一个目标检测点，包括：

建立风力发电机组齿轮箱的仿真模型，其中，仿真模型可以包括风力发电机组齿轮箱的物理模型；

基于风力发电机组齿轮箱的仿真模型的机械结构，确定多个候选监测点；

通过蒙特卡罗模型随机生成多个风力发电机组齿轮箱的仿真磨损状态；

对于每个仿真磨损状态，基于仿真磨损状态调整风力发电机组齿轮箱的仿真模型，仿真模型在仿真磨损状态下运行过程中，获取多个候选监测点的仿真数据；

基于每个仿真磨损状态下多个候选监测点的仿真数据，对多个候选监测点与风力发电机组齿轮箱的仿真磨损状态进行相关性分析，生成相关性分析结果；

基于相关性分析结果，基于多个候选监测点确定至少一个目标检测点。

在一些实施例中，监测点确定模块可以基于皮尔逊相关系数对多个候选监测点与风力发电机组齿轮箱的仿真磨损状态进行相关性分析，选择相关性较大的候选监测点作为目标检测点。

数据获取模块可以用于获取风力发电机组齿轮箱的当前磨损相关数据。

其中，当前磨损相关数据至少包括润滑油相关数据集、磨损金属量数据、振动数据集、运行声音数据集、风机叶片振动数据集及环境数据集，振动数据集包括至少一个目标检测点的振动数据。

在一些实施例中，风力发电机组齿轮箱包括润滑油进口及润滑油出口。润滑油相关数据集可以包括润滑油进口的润滑油的温度信息及杂质信息。其中，杂质信息可以包括润滑油进口的润滑油的浊度信息。数据获取模块可以包括设置在润滑油进口的第一温度传感器，第一温度传感器用于获取润滑油进口的润滑油的温度信息。数据获取模块可以对润滑油进口的润滑油进行抽样，然后通过仪器对抽样的润滑油进行检测，获取杂质信息。例如，数据获取模块可以通过多参数水质分析仪对抽样的润滑油进行检测，获取浊度信息。

在一些实施例中，数据获取模块还可以用于获取润滑油出口的润滑油的温度信息，其中，润滑油相关数据集包括润滑油出口的润滑油的温度信息。例如，数据获取模块可以包括设置在润滑油出口的第二温度传感器，第二温度传感器用于获取润滑油出口的润滑油的温度信息。

在一些实施例中，磨损金属量数据可以包括与使用后的机油中包含的金属颗粒相关的信息。数据获取模块可以对润滑油出口的润滑油进行分离，获取润滑油出口的润滑油中的金属颗粒。数据获取模块还用于基于润滑油出口的润滑油中的金属颗粒，生成磨损金属量数据。

在一些实施例中，数据获取模块包括控制器及固液分离装置，用于将润滑油出口的润滑油中的金属颗粒从润滑油中分离。固液分离装置包括分离箱、转动设置在分离箱内的转动轴及至少一个沿转动轴的长度方向设置在转动轴上的分离叶片，分离箱上设置有驱动装置，驱动装置用于驱动转动轴绕转动轴的轴线转动，分离叶片上设置有至少一个电磁铁。控制器用于控制驱动装置驱动转动轴绕转动轴的轴线转动预设圈数。

分离箱包括第一出口和第二出口，第一出口上设置有第一电磁阀，第二出口上设置有第二电磁阀。控制器还用于在转动轴绕转动轴的轴线转动预设圈数后，控制第一电磁阀处于开启状态，并控制第二电磁阀继续处于闭合状态。

可以理解的，被风力发电机组齿轮箱使用后的润滑油从润滑油出口导出至分离箱中，此时，控制器控制第一电磁阀和第二电磁阀均处于关闭状态，并控制电磁铁通电，吸附被风力发电机组齿轮箱使用后的润滑油中的金属颗粒，同时，控制器驱动转动轴绕转动轴的轴线转动，使得电磁铁产生位移，与被风力发电机组齿轮箱使用后的润滑油充分接触，尽可能将全部的金属颗粒吸附住。控制器控制驱动装置驱动转动轴绕转动轴的轴线转动预设圈数后，控制器控制第一电磁阀处于开启状态，并控制第二电磁阀继续处于闭合状态，去除了金属颗粒的润滑油从分离箱中导出。

分离箱还包括有机溶剂存储箱及有机溶剂导入管道，有机溶剂导入管道的一端与分离箱导通连接，有机溶剂导入管道的另一端与分离箱导通连接，有机溶剂导入管道内设置有第三电磁阀。控制器还用于在分离金属颗粒后的润滑油从第一出口导出后，将电磁铁断电，并开启第三电池阀，将预设量的有机溶剂从有机溶剂导入管道导入至分离箱内。

可以理解的，润滑油导出完成后，控制器控制第一电磁阀和第二电磁阀均处于关闭状态，开启第三电池阀，将预设量的有机溶剂从有机溶剂导入管道导入至分离箱内，有机溶剂与附着在金属颗粒表面的润滑油进行反应。

固液分离装置还可以包括离心设备，离心设备导通连接有出料管道，出料管道与第二出口连接。控制器还用于在导入有机溶剂预设时间段后，控制第二电磁阀处于开启状态，并控制第一电磁阀继续处于闭合状态，将有机溶剂从出料管道导入至离心设备。

可以理解的，预设时间段后，有机溶剂与附着在金属颗粒表面的润滑油充分反应，控制器可以控制第二电磁阀处于开启状态，并控制第一电磁阀继续处于闭合状态，将有机溶剂从出料管道导入至离心设备。控制器可以控制离心设备分离有机溶剂中的金属颗粒。可以理解的，离心设备分离后的金属颗粒表面不再附着润滑油。

在一些实施例中，数据获取模块还包括金属颗粒取出装置及点云获取装置，金属颗粒取出装置用于从离心设备中取出分离后的金属颗粒。例如，金属颗粒取出装置可以包括机械臂及设置在机械臂的末端的电磁铁，需要从离心设备中取出分离后的金属颗粒时，控制机械臂的末端的电磁铁通电，并控制机械臂带动末端的电磁铁在离心设备中运动，吸附不同位置处的金属颗粒，完成吸附工作后，机械臂带动末端的电磁铁从离心设备中移出。

点云获取装置包括振动设备及点云扫描设备。金属颗粒取出装置取出分离后的金属颗粒，将分离后的金属颗粒放置于振动设备内，振动设备用于对分离后的金属颗粒进行振动处理。点云扫描设备用于在振动设备对分离后的金属颗粒完成振动处理后，对金属颗粒进行扫描，获取金属颗粒的点云数据。

振动设备可以包括振动平台及设置在振动平台底部的振动电机。振动设备对分离后的金属颗粒进行振动处理，使得分离后的金属颗粒尽量平铺在振动平台上，避免金属颗粒堆叠，以获取更加精准的点云数据。

在一些实施例中，数据获取模块基于润滑油出口的润滑油中的金属颗粒，生成磨损金属量数据，包括：基于金属颗粒的点云数据，获取金属颗粒的尺寸及当前的磨损金属总体积，其中，磨损金属量数据包括金属颗粒的当前尺寸及当前的磨损金属总体积；基于至少一个历史时间点获取的磨损金属总体积及当前的磨损金属总体积，确定磨损量变化趋势，其中，磨损金属量数据包括磨损量变化趋势。

在一些实施例中，振动数据集包括风力发电机组齿轮箱内的至少一个监测点的振动波形。

在一些实施例中，振动数据集可以包括风力发电机组齿轮箱内的至少一个监测点的振动波形。

在一些实施例中，运行声音数据集可以包括风力发电机组齿轮箱内的至少一个监测点的运行声音。

在一些实施例中，环境数据集可以为风力发电机组齿轮箱所处的环境的相关信息，例如，风力发电机组齿轮箱连接的叶片所处的环境的温度、风力强度、湿度、海拔高度等信息，还可以包括风力发电机组齿轮箱内的温度、粉尘浓度等信息。

数据处理模块可以用于对当前磨损相关数据进行去噪处理，获取去噪后的当前磨损相关数据。

图3是根据本说明书一些实施例所示的对当前磨损相关数据进行去噪处理的流程图，如图3所示，在一些实施例中，数据处理模块对当前磨损相关数据进行去噪处理，获取去噪后的当前磨损相关数据，包括：

基于目标检测点的振动数据生成振动波形；

将振动波形分解为至少一个内涵模态分量和一个残差；

通过噪声确定模型基于至少一个内涵模态分量和一个残差，确定目标内涵模态分量，其中，目标内涵模态分量为包含有噪声的内涵模态分量；

通过生成式对抗网络基于运行声音数据集、风机叶片振动数据集、至少一个内涵模态分量和残差，对目标内涵模态分量进行去噪，基于去噪后的目标内涵模态分量重构振动波形。

在一些实施例中，将振动波形分解为至少一个内涵模态分量和一个残差可以包括：S1、确定振动波形的上包络线及下包络线，基于振动波形的上包络线及下包络线确定均值包络线，基于均值包络线确定第一候选分量信号；

S2、判断第一候选分量信号是否满足预设条件，若是，将第一候选分量信号作为一个内涵模态分量信号，用振动波形减去第一候选分量信号，生成待分解信号，执行S3，若否，对第一候选分量信号进行二次分解，确定一个内涵模态分量信号，用振动波形减去内涵模态分量信号，生成待分解信号，执行S3；

S3、判断待分解信号是否具备包络线，若是，执行S4，若否，将待分解信号作为残差信号，结束分解；

S4、确定待分解信号的上包络线及下包络线，基于待分解信号的上包络线及下包络线确定均值包络线，基于均值包络线确定第二候选分量信号；

S5、判断第二候选分量信号是否满足预设条件，若是，将第二候选分量信号作为一个内涵模态分量信号，用待分解信号减去第二候选分量信号，更新待分解信号，执行S3，若否，对第二候选分量信号进行二次分解，确定一个内涵模态分量信号，用待分解信号减去第二候选分量信号，更新待分解信号，执行S3。

在一些实施例中，数据处理模块可以先确定振动波形的极值，根据振动波形的极值确定上包络线及下包络线。其中，上包络线可以为振动波形的各个极大值点的连线，下包络线可以为振动波形的各个极小值点的连线。振动波形的均值包络线中各点的值可以为振动波形的上包络线及下包络线对应点的均值。

在一些实施例中，数据处理模块可以使用振动波形减去均值包络线，生成第一候选分量信号。判断第一候选分量信号是否满足预设条件，例如，第一候选分量信号的极值点个数和过零点个数之间的差值的绝对值是否小于或等于1，上包络线和下包络线是否关于时间段轴对称和/或上包络线和下包络线之间的差值的绝对值是否小于差值阈值。若第一候选分量信号满足预设条件，则将该第一候选分量信号作为一个内涵模态分量信号，并使用振动波形减去该第一候选分量信号，生成新的待分解信号，确定该待分解信号的上包络线、下包络线及均值包络线，从而确定该待分解信号的第二候选分量信号，判断该第二候选分量信号是否满足预设条件，重复上述步骤，直至最后更新的待分解信号不具备包络线，则停止分解。

在一些实施例中，若第一候选分量信号不满足预设条件，数据处理模块可以将该第一候选分量信号作为新的待分解信号，确定该待分解信号的上包络线、下包络线及均值包络线，从而确定该待分解信号的第二候选分量信号，判断该第二候选分量信号是否满足预设条件，重复上述步骤，直至最后更新的待分解信号不具备包络线，则停止分解。

在一些实施例中，噪声确定模型可以为用于确定目标内涵模态分量的机器学习模型，噪声确定模型的输入可以包括振动波形分解而成的所有内涵模态分量和残差，噪声确定模型的输出可以包括振动波形分解而成的所有内涵模态分量中的目标内涵模态分量。噪声确定模型可以包括但不限于神经网络(NN)、卷积神经网络(CNN)、深度神经网络(DNN)、循环神经网络(RNN)等或其任意组合，例如，噪声确定模型可以为卷积神经网络和深度神经网络组合形成的模型。

在一些实施例中，数据处理模块可以通过去噪模型对目标内涵模态分量进行去噪处理。去噪模型可以为对目标内涵模态分量进行去噪处理的机器学习模型，去噪模型的输入可以包括目标内涵模态分量及其他内涵模态分量和残差，去噪模型的输出可以包括去噪后的目标内涵模态分量。去噪模型可以包括但不限于神经网络(NN)、卷积神经网络(CNN)、深度神经网络(DNN)、循环神经网络(RNN)等或其任意组合，例如，去噪模型可以为卷积神经网络和深度神经网络组合形成的模型。

在一些实施例中，数据处理模块还用于：确定重构的振动波形的时域特征，其中，时域特征包括均值、均方值、方差和/或峰值；对重构的振动波形进行频谱分析，确定重构的振动波形的频域特征，其中，重构的振动波形的频域特征包括重构的振动波形在不同频率下的振幅、功率、强度和/或相位。

磨损预警模块，用于通过磨损预警模型基于去噪后的当前磨损相关数据确定风力发电机组齿轮箱的当前磨损值。

磨损预警模型可以为用于确定风力发电机组齿轮箱的当前磨损值的机器学习模型，磨损预警模型的输入至少包括润滑油相关数据集、磨损金属量数据、振动数据集、运行声音数据集及环境数据集，磨损预警模型的输出可以包括风力发电机组齿轮箱的当前磨损值。磨损预警模型可以包括但不限于神经网络(NN)、卷积神经网络(CNN)、深度神经网络(DNN)、循环神经网络(RNN)等或其任意组合，例如，磨损预警模型可以为卷积神经网络和深度神经网络组合形成的模型。

在一些实施例中，磨损预警模块通过磨损预警模型基于去噪后的当前磨损相关数据确定风力发电机组齿轮箱的当前磨损值，包括：基于润滑油相关数据集、磨损金属量数据、重构的振动波形的时域特征和频域特征、运行声音数据集及环境数据集，确定风力发电机组齿轮箱的当前磨损值。例如，磨损预警模型的输入可以包括润滑油相关数据集、磨损金属量数据、重构的振动波形的时域特征(均值、均方值、方差和/或峰值)和频域特征(重构的振动波形在不同频率下的振幅、功率、强度和/或相位)、运行声音数据集及环境数据集，磨损预警模型的输出可以包括风力发电机组齿轮箱的当前磨损值。

图4是根据本说明书一些实施例所示的预测风力发电机组齿轮箱的未来磨损值的流程图，如图4所示，在一些实施例中，风力发电机组齿轮箱磨损自动预警系统还可以包括数据预测模块，用于在磨损预警模块确定的风力发电机组齿轮箱的当前磨损值小于预设磨损阈值时，基于当前磨损相关数据及至少一个历史磨损相关数据，预测未来磨损相关数据；数据预测模块还可以用于基于环境数据集及风力发电机所处地形，预测风力发电机的未来覆冰情况；数据预测模块还可以用于磨损预警模块还用于通过磨损预警模型基于未来磨损相关数据及风力发电机的未来覆冰情况预测风力发电机组齿轮箱的未来磨损值。

数据预测模块可以通过数据预测模型基于当前磨损相关数据及至少一个历史磨损相关数据，预测未来磨损相关数据。例如，可以基于当前磨损相关数据(润滑油相关数据集、磨损金属量数据、振动数据集、运行声音数据集及环境数据集)和过去两个月的历史磨损相关数据(润滑油相关数据集、磨损金属量数据、振动数据集、运行声音数据集及环境数据集)，预测下一个月的磨损相关数据(润滑油相关数据集、磨损金属量数据、振动数据集、运行声音数据集及环境数据集)。数据预测模型可以为用于预测未来磨损相关数据的机器学习模型。

图2是根据本说明书一些实施例所示的示例性风力发电机组齿轮箱磨损自动预警方法的流程图，如图2所示，风力发电机组齿轮箱磨损自动预警方法可以包括以下步骤。在一些实施例中，风力发电机组齿轮箱磨损自动预警方法可以由风力发电机组齿轮箱磨损自动预警系统执行。

步骤210，基于风力发电机组齿轮箱的仿真模型，确定至少一个目标检测点；

步骤220，获取风力发电机组齿轮箱的当前磨损相关数据；

其中，当前磨损相关数据至少包括润滑油相关数据集、磨损金属量数据、振动数据集、运行声音数据集、风机叶片振动数据集及环境数据集，振动数据集包括至少一个目标检测点的振动数据；

步骤230，对当前磨损相关数据进行去噪处理，获取去噪后的当前磨损相关数据；

步骤240，通过磨损预警模型基于去噪后的当前磨损相关数据确定风力发电机组齿轮箱的当前磨损值；

步骤250，在确定的风力发电机组齿轮箱的当前磨损值小于预设磨损阈值时，基于当前磨损相关数据及至少一个历史磨损相关数据，预测未来磨损相关数据；

步骤260，通过磨损预警模型基于去噪后的当前磨损相关数据预测风力发电机组齿轮箱的未来磨损值。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (8)

1.一种风力发电机组齿轮箱磨损自动预警系统，应用于风力发电机组齿轮箱，其特征在于，包括：

监测点确定模块，用于基于所述风力发电机组齿轮箱的仿真模型，确定至少一个目标检测点，包括：

建立所述风力发电机组齿轮箱的仿真模型；

基于所述风力发电机组齿轮箱的仿真模型的机械结构，确定多个候选监测点；

通过蒙特卡罗模型随机生成多个风力发电机组齿轮箱的仿真磨损状态；

对于每个所述仿真磨损状态，基于所述仿真磨损状态调整所述风力发电机组齿轮箱的仿真模型，所述仿真模型在所述仿真磨损状态下运行过程中，获取所述多个候选监测点的仿真数据；

基于每个所述仿真磨损状态下所述多个候选监测点的仿真数据，对所述多个候选监测点与所述风力发电机组齿轮箱的仿真磨损状态进行相关性分析，生成相关性分析结果；

基于所述相关性分析结果，基于所述多个候选监测点确定所述至少一个目标检测点；

数据获取模块，用于获取所述风力发电机组齿轮箱的当前磨损相关数据，其中，所述当前磨损相关数据至少包括润滑油相关数据集、磨损金属量数据、振动数据集、运行声音数据集、风机叶片振动数据集及环境数据集，所述振动数据集包括所述至少一个目标检测点的振动数据；

数据处理模块，用于对所述当前磨损相关数据进行去噪处理，获取去噪后的当前磨损相关数据，包括：

对于每个所述目标检测点的振动数据，

基于所述目标检测点的振动数据生成振动波形；

将所述振动波形分解为至少一个内涵模态分量和一个残差；

通过噪声确定模型基于所述至少一个内涵模态分量和一个残差，确定目标内涵模态分量，其中，所述目标内涵模态分量为包含有噪声的内涵模态分量；

通过生成式对抗网络基于所述运行声音数据集、所述风机叶片振动数据集、所述至少一个内涵模态分量和所述残差，对所述目标内涵模态分量进行去噪，基于去噪后的目标内涵模态分量重构振动波形；

磨损预警模块，用于通过磨损预警模型基于所述去噪后的当前磨损相关数据确定所述风力发电机组齿轮箱的当前磨损值。

2.根据权利要求1所述的一种风力发电机组齿轮箱磨损自动预警系统，其特征在于，所述数据处理模块还用于：

确定重构的振动波形的时域特征，其中，所述时域特征包括均值、均方值、方差和/或峰值；

对所述重构的振动波形进行频谱分析，确定所述重构的振动波形的频域特征，其中，所述重构的振动波形的频域特征包括所述重构的振动波形在不同频率下的振幅、功率、强度和/或相位；

所述磨损预警模块通过磨损预警模型基于所述去噪后的当前磨损相关数据确定所述风力发电机组齿轮箱的当前磨损值，包括：

基于所述润滑油相关数据集、所述磨损金属量数据、所述重构的振动波形的时域特征和频域特征、所述风机叶片振动数据集、所述运行声音数据集及所述环境数据集，确定所述风力发电机组齿轮箱的当前磨损值。

3.根据权利要求1-2任意一项所述的一种风力发电机组齿轮箱磨损自动预警系统，其特征在于，还包括数据预测模块，用于在所述磨损预警模块确定的所述风力发电机组齿轮箱的当前磨损值小于预设磨损阈值时，基于所述当前磨损相关数据及至少一个历史磨损相关数据，预测未来磨损相关数据；

基于所述环境数据集及所述风力发电机所处地形，预测所述风力发电机的未来覆冰情况；

所述磨损预警模块还用于通过所述磨损预警模型基于所述未来磨损相关数据及所述风力发电机的未来覆冰情况预测所述风力发电机组齿轮箱的未来磨损值。

4.根据权利要求1-2任意一项所述的一种风力发电机组齿轮箱磨损自动预警系统，其特征在于，所述风力发电机组齿轮箱包括润滑油进口及润滑油出口；

所述数据获取模块还用于获取所述润滑油进口的润滑油的温度信息及杂质信息，其中，所述润滑油相关数据集包括所述润滑油进口的润滑油的温度信息及杂质信息。

5.根据权利要求4所述的一种风力发电机组齿轮箱磨损自动预警系统，其特征在于，所述数据获取模块还用于获取所述润滑油出口的润滑油的温度信息，其中，所述润滑油相关数据集包括所述润滑油出口的润滑油的温度信息；

所述数据获取模块还用于对所述润滑油出口的润滑油进行分离，获取所述润滑油出口的润滑油中的金属颗粒；

所述数据获取模块还用于基于所述润滑油出口的润滑油中的金属颗粒，生成磨损金属量数据。

6.根据权利要求5所述的一种风力发电机组齿轮箱磨损自动预警系统，其特征在于，所述数据获取模块包括控制器及固液分离装置，用于将所述润滑油出口的润滑油中的金属颗粒从润滑油中分离；

所述固液分离装置包括分离箱、转动设置在所述分离箱内的转动轴及至少一个沿所述转动轴的长度方向设置在所述转动轴上的分离叶片，所述分离箱上设置有驱动装置，所述驱动装置用于驱动所述转动轴绕所述转动轴的轴线转动，所述分离叶片上设置有至少一个电磁铁；

所述控制器用于控制所述驱动装置驱动所述转动轴绕所述转动轴的轴线转动预设圈数；

所述分离箱包括第一出口和第二出口，所述第一出口上设置有第一电磁阀，所述第二出口上设置有第二电磁阀；

所述控制器还用于在所述转动轴绕所述转动轴的轴线转动预设圈数后，控制所述第一电磁阀处于开启状态，并控制第二电磁阀继续处于闭合状态；

所述分离箱还包括有机溶剂存储箱及有机溶剂导入管道，所述有机溶剂导入管道的一端与所述分离箱导通连接，所述有机溶剂导入管道的另一端与所述分离箱导通连接，所述有机溶剂导入管道内设置有第三电磁阀；

所述控制器还用于在分离金属颗粒后的润滑油从所述第一出口导出后，将所述电磁铁断电，并开启第三电池阀，将预设量的有机溶剂从所述有机溶剂导入管道导入至所述分离箱内；

所述固液分离装置还可以包括离心设备，所述离心设备导通连接有出料管道，所述出料管道与所述第二出口连接；

所述控制器还用于在导入所述有机溶剂预设时间段后，控制所述第二电磁阀处于开启状态，并控制第一电磁阀继续处于闭合状态，将所述有机溶剂从所述出料管道导入至所述离心设备；

所述控制器还用于控制所述离心设备分离所述有机溶剂中的金属颗粒；

所述数据获取模块还包括金属颗粒取出装置及点云获取装置，所述金属颗粒取出装置用于从所述离心设备中取出分离后的金属颗粒；

所述点云获取装置包括振动设备及点云扫描设备；

所述金属颗粒取出装置取出所述分离后的金属颗粒，将所述分离后的金属颗粒放置于所述振动设备内，所述振动设备用于对所述分离后的金属颗粒进行振动处理；

所述点云扫描设备用于在所述振动设备对所述分离后的金属颗粒完成振动处理后，对所述金属颗粒进行扫描，获取所述金属颗粒的点云数据。

7.根据权利要求6所述的一种风力发电机组齿轮箱磨损自动预警系统，其特征在于，所述数据获取模块基于所述润滑油出口的润滑油中的金属颗粒，生成磨损金属量数据，包括：

基于所述金属颗粒的点云数据，获取所述金属颗粒的尺寸及当前的磨损金属总体积，其中，所述磨损金属量数据包括所述金属颗粒的当前尺寸及所述当前的磨损金属总体积；

基于至少一个历史时间点获取的磨损金属总体积及所述当前的磨损金属总体积，确定磨损量变化趋势，其中，所述磨损金属量数据包括所述磨损量变化趋势。

8.一种风力发电机组齿轮箱磨损自动预警方法，包括权利要求1至7任一项所述的风力发电机组齿轮箱磨损自动预警系统，其特征在于，包括：

基于所述风力发电机组齿轮箱的仿真模型，确定至少一个目标检测点；

获取所述风力发电机组齿轮箱的当前磨损相关数据，其中，所述当前磨损相关数据至少包括润滑油相关数据集、磨损金属量数据、振动数据集、运行声音数据集、风机叶片振动数据集及环境数据集，所述振动数据集包括所述至少一个目标检测点的振动数据；

对所述当前磨损相关数据进行去噪处理，获取去噪后的当前磨损相关数据；

通过磨损预警模型基于所述去噪后的当前磨损相关数据确定所述风力发电机组齿轮箱的当前磨损值。