CN116842672A - 风力发电机组的主轴承的预定载荷确定方法及装置 - Google Patents

Abstract

本公开提供一种风力发电机组的主轴承的预定载荷确定方法及装置，所述预定载荷确定方法包括：获取风力发电机组的主轴承的载荷数据；基于载荷数据，确定载荷数据的载荷概率分布；基于载荷概率分布，确定与主轴承的预定载荷相关的数据。根据本公开的风力发电机组的主轴承的预定载荷确定方法及装置解决了主轴承预定载荷的确定方案不完善而导致主轴承预定精度不够无法适配应用需求的问题，通过统计载荷概率分布，基于载荷值或载荷作用方位角的不同值出现的概率来确定主轴承的预定载荷相关数据，使得提高主轴承的设计精度、测试精度和监控精度，使其能够更适配应用需求。

Description

风力发电机组的主轴承的预定载荷确定方法及装置

技术领域

本公开涉及风力发电领域，更具体地，涉及一种风力发电机组的主轴承的预定载荷确定方法及装置。

背景技术

随着风电行业、特别是海上风电的发展，对风力发电机组的容量要求越来越高，与之相适应地，对风力发电机组的主轴承的承载能力也提出了越来越高的要求。

对于风力发电机组的主轴承而言，在设计主轴承、测试主轴承或监控主轴承的运行时，需要提取其在应用环境下可能承受的载荷的相关数据。

然而，在现有的主轴承可能承受的载荷的确定方案中，一方面，一般采用历史载荷数据中的最大载荷值作为预定载荷值，而主轴承在实际应用时处于最大载荷状态下的情况相对较少，这样提取载荷值的方法相对保守，使得主轴承的整体设计不能恰好适配应用需求，可能造成设计浪费；另一方面，目前缺少对主轴承的载荷作用方位的设计方案，对主轴承的局部设计没有侧重，这可能导致主轴承出现局部过载的情况。此外，由于主轴承可能承受的预定载荷不确定，在主轴承测试过程中或在主轴承的运行监控过程中均缺少指导性的数据进行测试和监控。

发明内容

鉴于现有的主轴承可能承受的载荷的确定方案不完善而导致主轴承设计精度不够无法适配应用需求、不便于指导轴承测试和运行监控的问题，本公开提供一种风力发电机组的主轴承的预定载荷确定方法及装置。

本公开的第一方面提供一种风力发电机组的主轴承的预定载荷确定方法，所述预定载荷确定方法包括：获取风力发电机组的主轴承的载荷数据；基于所述载荷数据，确定所述载荷数据的载荷概率分布，所述载荷概率分布表示作用在所述主轴承上的载荷的载荷值和/或载荷作用方位角的不同值出现的概率大小；基于所述载荷概率分布，确定与所述主轴承的预定载荷相关的数据。

可选地，基于所述载荷数据，确定所述载荷数据的载荷概率分布的步骤包括：按照所述载荷值和/或所述载荷作用方位角的大小，将所述载荷数据划分为多个载荷数据集合；根据划分到每个载荷数据集合中的载荷数据以及载荷数据的数量，确定所述载荷概率分布。

可选地，通过以下方式确定所述载荷概率分布：确定划分到每个载荷数据集合中的载荷数据的所述载荷值和/或所述载荷作用方位角的参数代表；针对每个载荷数据集合，将该载荷数据集合中的载荷数据的数量作为该载荷数据集合的参数代表的概率权重，所述概率权重表示参数代表出现的可能性大小；将所有载荷数据集合的参数代表与概率权重的对应关系，确定为所述载荷概率分布。

可选地，按照所述载荷值的大小，将所述载荷数据划分为多个载荷数据集合的步骤包括：根据所述载荷数据中的最大载荷值、最小载荷值以及预定的第一集合数量，确定用于划分所述多个载荷数据集合的第一划分步长；按照所述第一划分步长，将所述载荷数据划分为所述第一集合数量的载荷数据集合。

可选地，所述参数代表为载荷数据集合中的载荷值的中心值，所述中心值通过所述第一划分步长和所述最小载荷值来确定或者通过所述第一划分步长和所述最大载荷值来确定。

可选地，基于所述载荷概率分布，确定与所述主轴承的预定载荷相关的数据的步骤包括：基于所述载荷概率分布，确定在所述载荷概率分布中，概率的下降表示等于第一预定阈值的位置所对应的临界载荷值，并将所述临界载荷值确定为所述主轴承的预定载荷的大小。

可选地，获取风力发电机组的主轴承的载荷数据的步骤包括：获取所述风力发电机组的轮毂中心的载荷数据；基于所述轮毂中心的载荷数据，根据所述轮毂与所述主轴承之间的受力平衡关系，确定所述载荷数据。

可选地，所述主轴承为所述风力发电机组的靠近轮毂侧设置的主轴承或远离轮毂侧设置的主轴承。

可选地，确定的所述预定载荷相关的数据被用于如下的一者或多者：在设计阶段，基于所述预定载荷相关的数据，设计主轴承；在测试阶段，对被测试主轴承加载所述预定载荷相关的数据，以对所述被测试主轴承进行测试；在监控运行阶段，采集安装在风力发电机组中的被监控主轴承所受到的载荷相关的数据，在所采集的数据超过所述预定载荷相关的数据的情况下进行报警。

可选地，所述载荷作用方位角是指在所述主轴承的垂直于旋转轴线的截面上，载荷作用位置相对于所述主轴承上的预定参考位置的角度，其中，按照所述载荷作用方位角的大小，将所述载荷数据划分为多个载荷数据集合的步骤包括：在一个圆周上，根据预定的第二集合数量，确定用于划分所述多个载荷数据集合的第二划分步长；按照所述第二划分步长，将所述载荷数据划分为所述第二集合数量的载荷数据集合。

可选地，所述参数代表为载荷数据集合中的载荷作用方位角的中心值，所述中心值通过所述第二划分步长来确定。

可选地，基于所述载荷概率分布，确定与所述主轴承的预定载荷相关的数据的步骤包括：基于所述载荷概率分布，确定在所述载荷概率分布中，概率大于或等于第二预定阈值的载荷作用方位角；根据概率大于或等于第二预定阈值的载荷作用方位角，确定所述主轴承的预定载荷的作用方位。

本公开的第二方面提供一种风力发电机组的主轴承的预定载荷确定装置，所述预定载荷确定装置包括：获取单元，被配置为获取风力发电机组的主轴承的载荷数据；第一确定单元，被配置为基于所述载荷数据，确定所述载荷数据的载荷概率分布，所述载荷概率分布表示作用在所述主轴承上的载荷的载荷值和/或载荷作用方位角的不同值出现的概率大小；第二确定单元，被配置为基于所述载荷概率分布，确定与所述主轴承的预定载荷相关的数据。

本公开的第三方面提供一种计算机可读存储介质，当所述计算机可读存储介质中的指令被至少一个处理器运行时，促使所述至少一个处理器执行如本公开所述的风力发电机组的主轴承的预定载荷确定方法。

本公开的第四方面提供一种计算机设备，计算机设备包括：至少一个处理器；至少一个存储计算机可执行指令的存储器，其中，所述计算机可执行指令在被所述至少一个处理器运行时，促使所述至少一个处理器执行如本公开所述的风力发电机组的主轴承的预定载荷确定方法。

根据本公开的风力发电机组的主轴承的预定载荷确定方法及装置，可以通过统计载荷概率分布，基于载荷值和/或载荷作用方位角的不同值出现的概率来确定主轴承的预定载荷相关数据，使得提高主轴承的设计精度，使其能够更适配应用需求，还能够在主轴承测试过程中或在主轴承的运行监控过程中提供指导性的数据，以提高测试准确性和运行监控的响应速度。

附图说明

图1是示出根据本公开的示例性实施例的风力发电机组的主轴承的预定载荷确定方法的示意性流程图。

图2是示出根据本公开的示例性实施例的风力发电机组的轮毂中心的载荷值的时序分布的示意图。

图3是示出根据本公开的示例性实施例的风力发电机组的轮毂中心与主轴承的受力分析的示意图。

图4是示出根据本公开的示例性实施例的风力发电机组的主轴承的载荷方位角的时序分布的示意图。

图5是示出根据本公开的示例性实施例的主轴承的预定载荷确定方法中确定载荷概率分布的步骤的一示例的示意性流程图。

图6是示出根据本公开的示例性实施例的主轴承的预定载荷确定方法中确定载荷概率分布的步骤的另一示例的示意性流程图。

图7是示出根据本公开的示例性实施例的风力发电机组的主轴承的预定载荷确定方法中的载荷值的载荷概率分布的示意图。

图8是示出根据本公开的示例性实施例的风力发电机组的主轴承的预定载荷确定方法中的确定预定载荷的载荷作用方位角的示意图。

图9是示出根据本公开的示例性实施例的风力发电机组的主轴承的预定载荷确定方法中的确定轴瓦分布位置的示意图。

图10是示出根据本公开的示例性实施例的风力发电机组的主轴承的预定载荷确定装置的示意性框图。

具体实施方式

提供下面的具体实施方式以帮助读者获得对在此描述的方法、设备和/或系统的全面理解。然而，在理解本申请的公开之后，在此描述的方法、设备和/或系统的各种改变、修改和等同物将是清楚的。例如，在此描述的操作的顺序仅是示例，并且不限于在此阐述的那些顺序，而是除了必须以特定的顺序发生的操作之外，可如在理解本申请的公开之后将是清楚的那样被改变。此外，为了更加清楚和简明，本领域已知的特征的描述可被省略。

在此描述的特征可以以不同的形式来实现，而不应被解释为限于在此描述的示例。相反，已提供在此描述的示例，以仅示出实现在此描述的方法、设备和/或系统的许多可行方式中的一些可行方式，所述许多可行方式在理解本申请的公开之后将是清楚的。

如在此使用的，术语“和/或”包括相关联的所列项中的任何一个以及任何两个或更多个的任何组合。

尽管在此可使用诸如“第一”、“第二”和“第三”的术语来描述各种构件、组件、区域、层或部分，但是这些构件、组件、区域、层或部分不应被这些术语所限制。相反，这些术语仅用于将一个构件、组件、区域、层或部分与另一构件、组件、区域、层或部分进行区分。因此，在不脱离示例的教导的情况下，在此描述的示例中所称的第一构件、第一组件、第一区域、第一层或第一部分也可被称为第二构件、第二组件、第二区域、第二层或第二部分。

在说明书中，当元件(诸如，层、区域或基底)被描述为“在”另一元件上、“连接到”或“结合到”另一元件时，该元件可直接“在”另一元件上、直接“连接到”或“结合到”另一元件，或者可存在介于其间的一个或多个其他元件。相反，当元件被描述为“直接在”另一元件上、“直接连接到”或“直接结合到”另一元件时，可不存在介于其间的其他元件。

在此使用的术语仅用于描述各种示例，并不将用于限制公开。除非上下文另外清楚地指示，否则单数形式也意在包括复数形式。术语“包含”、“包括”和“具有”说明存在叙述的特征、数量、操作、构件、元件和/或它们的组合，但不排除存在或添加一个或多个其他特征、数量、操作、构件、元件和/或它们的组合。

除非另有定义，否则在此使用的所有术语(包括技术术语和科学术语)具有与由本公开所属领域的普通技术人员在理解本公开之后通常理解的含义相同的含义。除非在此明确地如此定义，否则术语(诸如，在通用词典中定义的术语)应被解释为具有与它们在相关领域的上下文和本公开中的含义一致的含义，并且不应被理想化或过于形式化地解释。

此外，在示例的描述中，当认为公知的相关结构或功能的详细描述将引起对本公开的模糊解释时，将省略这样的详细描述。

值得注意的是，在本公开提出之前，对于风力发电机组主轴承的可能承受的载荷一直没有明确的提取方案，特别是，对于采用滑动轴承形式的主轴承而言，由于目前滑动轴承在风力发电机组主轴承上暂无批量性的应用数据，因此，可能承受的载荷相关数据的提取方法还不明确。

而对于滚动轴承而言，在采用滚动轴承作为风力发电机组的主轴承的情况下，一方面，大尺寸滚动轴承的加工逼近轴承加工的极限，导致主轴承的生产和供应资源非常有限；另一方面，大尺寸的滚动轴承也同时面临设计生产的经验不足，测试验证和运行监控困难等技术难题，因此，与不断增大尺寸而带来各种各样问题的滚动轴承相比，采用滑动轴承作为风力发电机组的主轴承具有承载能力强、维护性好等优势。

具体来说，在风力发电机组的应用中，滑动轴承与滚动轴承相比具有以下优势：第一，滑动轴承可以突破滚动轴承最大直径的限制，这是因为滑动轴承的加工可以分块，所以基本不受加工限制；第二，滑动轴承寿命长，设计正确的滑动轴承的寿命可以达到50年，甚至更长，这非常符合风力发电机组长寿命的服役要求；第三，滑动轴承安装拆卸方便，风力发电机组中的滑动轴承多为可倾轴瓦设计，分体安装和拆卸，可以实现不下塔的维护和更换，这对风力发电机组的维护和维修带来了很大的方便；第四，在大兆瓦的主轴系方案中，滑动主轴承的成本优势明显。

鉴于此，本公开的示例性实施例提供一种风力发电机组的主轴承的预定载荷确定方法及装置，以能够解决由于滑动主轴承预定载荷的确定方案不完善而导致设计精度不够而无法适配机组的应用需求、不便于指导轴承测试和运行监控的问题。

根据本公开的第一方面，提供一种风力发电机组的主轴承的预定载荷确定方法，这里，根据本公开的风力发电机组的主轴承的预定载荷确定方法可以应用于风力发电机组的靠近轮毂侧设置的主轴承，也可以应用于风力发电机组的远离轮毂侧设置的主轴承。此外，本文所述的风力发电机组可以直驱发电机组，也可以是中速永磁发电机组。

如图1所示，该预定载荷确定方法包括以下步骤：

在步骤S10，可以获取风力发电机组的主轴承的载荷数据。

在该步骤中，主轴承的载荷数据可以是在风力发电机组使用的预定时间段内主轴承所受到的载荷的历史数据。例如，可以获取与待设计、测试或监控的主轴承同类型的主轴承在风力发电机组的服役周期内所受到的载荷的历史数据。

此外，主轴承的载荷数据可以是在风力发电机组所有工况下的载荷数据，例如，可以是在风力发电机组所有工况下的载荷数据的叠加，以使得后续确定的预定载荷的相关数据可以适用于主轴承在风力发电机组所有工况下的运行。这里，预定载荷的相关数据可以是在主轴承设计过程中设计载荷相关数据，但是其不限于此，其也可以是在测试阶段用于测试主轴承的测试载荷相关数据，也可以是在监控运行阶段用于作为监控参考的标准值的载荷相关数据。

这里，载荷数据可以包括主轴承所承受的载荷的载荷值和/或载荷作用的方位角。这里，载荷作用方位角是指在主轴承的垂直于旋转轴线的截面上，载荷作用位置相对于主轴承上的预定参考位置的角度，例如，载荷作用位置相对于主轴承上的预定参考位置的圆心角。

对于载荷值，在一示例中，可以通过诸如传感器的载荷采集装置直接采集风力发电机组的主轴承在运行中的载荷数据，以供确定与预定载荷的载荷值大小相关的数据。

在另一示例中，可以获取风力发电机组的轮毂中心的载荷数据，并基于轮毂中心的载荷数据，根据轮毂与主轴承之间的受力平衡关系，确定载荷数据。

具体来说，可以通过诸如传感器的载荷采集装置直接采集风力发电机组的轮毂中心的载荷值，得到例如如图2所示的时序载荷值分布，这里，仅示意性地给出载荷值的变化趋势，因此，图2中未示出载荷值的具体数值。

如图3所示，风力发电机组的轮毂中心处所承受的力F_hub与靠近轮毂侧设置的主轴承(以下称为“前轴承”)所承受的力Fr1和远离轮毂侧设置的主轴承(以下称为“后轴承”)所承受的力Fr2之间存在受力平衡关系，可以将轮毂中心的载荷分解至前后两个轴承处，继而计算出前后两个轴承的径向力。

具体来说，可以通过载荷平移，将诸如上述图2所示的轮毂中心的时序载荷值等效到前后两个轴承处所承受的载荷，等效原理可以如下表达式(1)所示：

其中，∑F_x表示轮毂中心、前轴承和后轴承所承受的力在水平方向上的合力，∑F_y表示轮毂中心、前轴承和后轴承所承受的力在竖直方向上的合力，∑M表示轮毂中心、前轴承和后轴承所承受的力的合力矩。

通过上式(1)表示的力平衡关系，可以基于轮毂中心处的载荷值，得到前轴承和后轴承处的载荷值。

对于载荷作用的方位角，可以通过诸如传感器的载荷采集装置直接采集风力发电机组的主轴承在运行中的载荷作用方位角，以供确定与预定载荷的作用位置相关的数据。如图4所示，可以获取风力发电机组的主轴承在运行中的载荷作用方位角的时序分布，这里，仅示意性地给出载荷作用方位角的变化趋势，因此，图4中未示出载荷作用方位角的具体数值。

在步骤S20，可以基于载荷数据，确定载荷数据的载荷概率分布。

在该步骤中，载荷概率分布可以表示作用在主轴承上的载荷的载荷值和/或载荷作用方位角的不同值出现的概率大小。

这里，载荷概率分布可以包括针对载荷值的载荷概率分布和/或针对载荷作用方位角的载荷概率分布，其中，针对载荷值的载荷概率分布表示作用在主轴承上的载荷的载荷值的不同值出现的概率大小；针对载荷作用方位角的载荷概率分布表示作用在主轴承上的载荷的载荷作用方位角的不同值出现的概率大小。

具体来说，根据本公开实施例所述的预定载荷确定方法可以提供针对预定载荷的载荷值和载荷作用方位角中的至少一者的确定方案。

在载荷概率分布表示载荷值或载荷作用方位角的不同值出现的概率大小的情况下，载荷概率分布可以指的是针对载荷值的载荷概率分布或针对载荷作用方位角的载荷概率分布。

在载荷概率分布表示载荷值和载荷作用方位角的不同值出现的概率大小的情况下，载荷概率分布可以包括针对载荷值的载荷概率分布和针对载荷作用方位角的载荷概率分布二者，以分别确定预定载荷的载荷值和载荷作用方位角。

下面将参照图5描述确定载荷数据的载荷概率分布的具体步骤：

在步骤S21，可以按照载荷值和/或载荷作用方位角的大小，将载荷数据划分为多个载荷数据集合。

在一种情况下，在确定针对载荷值的载荷概率分布时，可以根据载荷数据中的最大载荷值、最小载荷值以及预定的第一集合数量，确定用于划分多个载荷数据集合的第一划分步长；按照第一划分步长，将载荷数据划分为第一集合数量的载荷数据集合。

作为示例，可以按照载荷值将载荷数据进行分仓处理。具体来说，可以从获取到的所有载荷数据中确定主轴承(例如上文所述的前轴承或后轴承)所承受的最大载荷值Frmax和最小载荷值Frmin，这里，“所有载荷数据”指的是包括在所有时序上在所有工况下的载荷数据。

如此，可以基于最大载荷值Frmax和最小载荷值Frmin，结合预定的第一集合数量，确定用于载荷数据分仓的第一划分步长，这里，第一划分步长可以认为是每个数据仓的宽度。第一划分步长可以通过下面的表达式(2)：

其中，Fstep表示第一划分步长，m表示第一集合数量。

这里，第一集合数量可以是根据实际需求任意指定的，其中，在第一集合数量越大的情况下，最终的预定载荷的计算精度越高；在第一集合数量越小的情况下，最终的预定载荷确定的计算速度越快，这里，可以将第一集合数量设置为在[64,100]的范围内，以能够平衡计算精度与计算速度，更适用于实际设计应用。

在另一情况下，在确定针对载荷作用方位角的载荷概率分布时，可以在一个圆周上，根据预定的第二集合数量，确定用于划分多个载荷数据集合的第二划分步长；按照第二划分步长，将载荷数据划分为第二集合数量的载荷数据集合。

与上文描述的类似，可以按照载荷作用方位角将载荷数据进行分仓处理。具体来说，在一个圆周上按照角度从0度到360度离散成第二集合数量个方位。

这里，第二集合数量可以是根据实际需求任意指定的，其中，在第二集合数量越大的情况下，最终的预定载荷的计算精度越高；在第二集合数量越小的情况下，最终的预定载荷确定的计算速度越快，这里，可以将第二集合数量设置为在[64,100]的范围内，以能够平衡计算精度与计算速度，更适用于实际设计应用。

如此，可以根据第二集合数量，确定用于载荷数据分仓的第二划分步长，这里，第二划分步长可以认为是每个数据仓的宽度。第二划分步长可以通过下面的表达式(3)：

其中，astep表示第二划分步长，其单位为度；n表示第二集合数量。

在步骤S22，可以根据划分到每个载荷数据集合中的载荷数据以及载荷数据的数量，确定载荷概率分布。

具体来说，如图6所示，可以通过以下方式确定载荷概率分布：

在步骤S221，可以确定划分到每个载荷数据集合中的载荷数据的载荷值和/或载荷作用方位角的参数代表。

这里，参数代表可以用于表征单个载荷数据集合中的载荷数据的载荷值/载荷作用方位角的大小，在确定参数代表后，可以用该参数代表来表示整个载荷数据集合的载荷值/载荷作用方位角，而无需统计该载荷数据集合中出现的每个载荷值/载荷作用方位角。如此，通过对载荷数据分仓得到载荷数据集合以及选取载荷数据集合的参数代表，可以在确保计算精度的同时大大提高计算速度。

作为示例，载荷值的参数代表可以是载荷数据集合中的载荷值的中心值，中心值通过第一划分步长和最小载荷值来确定或者通过第一划分步长和最大载荷值来确定。

以上面的表达式(2)所述的示例为例，载荷值的中心值可以表示为：

[Frmin,Frmin+Fstep,Frmin+2×Fstep,Frmin+(i-1)×Fstep,......,Frmax]，或者，

[Frmin,......,Frmax-(i-1)×Fstep,Frmax-2×Fstep,Frmax-Fstep,Frmax]，

其中，i＝1,2,3,......,m。如此，每个载荷数据集合中的载荷值的覆盖范围可以表示为：

[-Fstep/2+Frmin+(i-1)×Fstep,Fstep/2+Frmin+(i-1)×Fstep]，或者，

[-Fstep/2+Frmax-(i-1)×Fstep,Fstep/2+Frmax-(i-1)×Fstep]。

如此，可以将连续的载荷值的时序分布转换为可统计的载荷值分布。

作为示例，载荷作用方位角的参数代表可以为载荷数据集合中的载荷作用方位角的中心值，中心值通过第二划分步长来确定。

以上面的表达式(3)所述的示例为例，载荷作用方位角的中心值可以表示为：

[0，astep,2×astep,(k-1)×astep,......,360]，

其中，k＝1,2,3,......,n。如此，每个载荷数据集合中的载荷作用方位角的覆盖范围可以表示为：

[(k-1)×astep-astep/2,(k-1)×astep+astep/2]。

如此，可以将连续的载荷作用方位角的时序分布转换为可统计的载荷作用方位角分布。

在步骤S222，可以针对每个载荷数据集合，将该载荷数据集合中的载荷数据的数量作为该载荷数据集合的参数代表的概率权重。

这里，概率权重表示参数代表出现的可能性大小。根据本公开的示例性实施例，可以根据每个载荷数据集合中的载荷数据的数量作为该载荷数据集合的参数代表出现的可能性大小来确定载荷概率分布。

在步骤S223，可以将所有载荷数据集合的参数代表与概率权重的对应关系，确定为载荷概率分布。

具体来说，可以确定每个载荷数据集合的参数代表的概率权重大小，并基于参数代表与概率权重的映射对应关系来拟合绘制出载荷概率分布曲线。

图7示出根据本公开的示例性实施例的载荷值的载荷概率分布的示例性示意图，其中，横坐标为载荷值，其单位可以为F；纵坐标为概率权重的大小，其可以为无量纲的值。

在步骤S30，可以基于载荷概率分布，确定与主轴承的预定载荷相关的数据。

如上所述，与主轴承的预定载荷相关的数据可以包括预定载荷的载荷值和/或预定载荷的载荷作用方位角。

一方面，在确定预定载荷的载荷值的情况下，可以基于载荷概率分布，确定在载荷概率分布中，概率的下降表示等于第一预定阈值的位置所对应的临界载荷值，并将临界载荷值确定为主轴承的预定载荷的大小。

具体来说，概率的下降表示可以为载荷概率分布中概率的下降率，第一预定阈值可以根据实际需要而任意设定，在如图7所示的示例中，在与载荷值Fr_cover对应的位置，概率的下降表示等于第一预定阈值，因此可以将载荷值Fr_cover作为临界载荷值，以确定主轴承的预定载荷的大小。

这里，第一预定阈值和载荷值Fr_cover可以根据实际需要不同而进行选择，第一预定阈值越小、载荷值Fr_cover越大，对主轴承的设计、测试和监控的精度越高，但设计、测试和监控过程偏保守；第一预定阈值越大、载荷值Fr_cover越小，对主轴承的设计、测试和监控的误差越大，但设计、测试和监控过程更经济。

在现有的主轴承的预定载荷的确定方法中，采用载荷数据的最大载荷值作为预定载荷，其载荷确定较为保守，使得主轴承的设计不能恰好适配风力发电机组的应用需求，可能造成设计浪费，特别是，在采用滑动轴承作为主轴承的情况下，相关领域中没有关于大尺寸的滑动轴承的预定载荷的确定方案，缺少指导性的载荷值确定方法来指导滑动轴承的设计、测试和监控，使得在滑动轴承设计、测试和监控中简单地采用历史最大载荷值作为预定载荷值，造成浪费。

然而，根据本公开的示例性实施例，可以根据需求灵活地确定预定载荷值，解决了现有的滑动主轴承的估计载荷输入相对保守导致设计、测试和监控过程出现冗余浪费的问题。

具体来说，以图7为例，载荷数据的最大载荷值为Fr_extreme，若采用最大载荷值Fr_extreme来进行设计、测试和监控，虽然保证了载荷值100％的覆盖范围，但是可以发现在概率分布曲线中，最大载荷值出现的概率所占的比例非常小，利用此载荷值来设计、测试和监控主轴承过于保守。

而根据本公开的示例性实施例，可以选取在载荷值Fr_cover来进行设计、测试和监控，一方面，该载荷值Fr_cover比最大载荷值Fr_extreme小得多，使得设计、测试和监控过程不至于过于保守；另一方面，从载荷值Fr_cover到最大载荷值Fr_extreme的载荷值区间出现的概率所占的比例非常小，覆盖概率也没有明显的降低。因此使用载荷值Fr_cover来进行主轴承的设计、测试和监控能够兼顾精度和成本的问题，提高滑动轴承在风力发电组的轴系中的可应用性。

另一方面，在确定预定载荷的载荷作用方位角的情况下，可以基于载荷概率分布，确定在载荷概率分布中，概率大于或等于第二预定阈值的载荷作用方位角；根据概率大于或等于第二预定阈值的载荷作用方位角，确定主轴承的预定载荷的作用方位。

例如，可以基于图8的载荷作用方位角的概率分布情况，确定概率大于或等于第二预定阈值的载荷作用方位角的区域，具体地，从图8可以看出，大部分载荷分布在90度附近，也即这个区域是主轴承的主要受载区域，需要重点布置轴承结构来承受载荷。

通过统计上述区域，如图8所示，可以确定大部分载荷的作用方位位于载荷作用方位角θ1～θ2之间，该方位范围为载荷分布最为恶劣的方位，该方位范围也是轴承布置的关键位置，因此大部分轴瓦应布置在该区域及临界区域。需要注意的是，图8所示的方位角区间仅是示例，该区间随风力发电机组的机型不同、风区适应性的不同会改变。

由于滑动主轴承为分体式设计，轴瓦分布在主轴承的周围，在现有的轴承设计中，一般将轴瓦等间距布置，这样与真正的受力分布方位可能存在较大偏差，导致极少数轴承区域过载严重，而其他大部分轴承区域受力很小，引起轴承布置与载荷分布方位不匹配的问题。

而根据本公开实施例的预定载荷确定方法，可以对主轴承处载荷分布方位进行统计，确定预定载荷的载荷作用方位角，从而指导轴瓦的布置，实现轴瓦的最优布局。例如，如图9所示，轴瓦12布置在滑动主轴承11的周向上，基于图8的统计结果，可以在滑动主轴承11的周向上的载荷分布的重点区域布置相对多的轴瓦12，而在非重点区域布置相对少的轴瓦12，如此，可以改善主轴承的局部设计，在无需在整个周向上增加轴瓦数量的情况下，即可避免主轴承出现局部过载的情况。

此外，根据本公开的示例性实施例，确定的预定载荷相关的数据被用于如下的一者或多者：在设计阶段，基于预定载荷相关的数据，设计主轴承；在测试阶段，对被测试主轴承加载所述预定载荷相关的数据，以对所述被测试主轴承进行测试；在监控运行阶段，采集安装在风力发电机组中的被监控主轴承所受到的载荷相关的数据，在所采集的数据超过所述预定载荷相关的数据的情况下进行报警。

具体来说，在设计阶段，可以基于根据本公开确定的预定载荷相关数据，结合给定的转速，设计能够适配所确定的预定载荷相关数据的主轴承。如上所述，预定载荷相关数据可以包括预定载荷的载荷值和/或预定载荷的载荷方位角。

在测试阶段，可以包括试验台测试和样机测试。这里，在试验台测试中，可以直接加载根据本公开确定的预定载荷相关的数据，并给定对应转速，监测轴承的油膜温度、压力和流量等信息，并且与设计仿真时对应的油膜温度、压力和流量等进行比对，从而验证仿真时的对应结果；在样机测试中，可以获取根据所确定的预定载荷相关数据计算的油膜温度和压力信号的标准值，可以在风力发电机组运行过程中实时采集油膜温度和压力等信号，并且进行数据处理分析，确保油膜温度和压力等关键指标不超出上述标准值，从而确定轴承是否通过样机测试。如此，可以基于本公开所确定的预定载荷相关的数据，精确地指导轴承的测试，提高轴承的测试结果的准确性。

在监控运行阶段，可以例如通过传感器采集安装在风力发电机组中的被监控主轴承所受到的载荷相关的数据，在所采集的数据超过所确定的预定载荷相关的数据的情况下，监控系统可以进行报警，以及时提醒对主轴承进行维护。

根据本公开的第二方面，提供一种风力发电机组的主轴承的预定载荷确定装置，如图10所示，该预定载荷确定装置可以包括获取单元100、第一确定单元200以及第二确定单元300。

获取单元100被配置为获取风力发电机组的主轴承的载荷数据。

第一确定单元200被配置为基于载荷数据，确定载荷数据的载荷概率分布，其中，载荷概率分布表示作用在主轴承上的载荷的载荷值和/或载荷作用方位角的不同值出现的概率大小。

第二确定单元300被配置为基于载荷概率分布，确定与主轴承的预定载荷相关的数据。

作为示例，第一确定单元200还被配置为：按照载荷值和/或载荷作用方位角的大小，将载荷数据划分为多个载荷数据集合；根据划分到每个载荷数据集合中的载荷数据以及载荷数据的数量，确定载荷概率分布。

作为示例，第一确定单元200还被配置为通过以下方式确定载荷概率分布：确定划分到每个载荷数据集合中的载荷数据的载荷值和/或载荷作用方位角的参数代表；针对每个载荷数据集合，将该载荷数据集合中的载荷数据的数量作为该载荷数据集合的参数代表的概率权重，概率权重表示参数代表出现的可能性大小；将所有载荷数据集合的参数代表与概率权重的对应关系，确定为载荷概率分布。

作为示例，第一确定单元200还被配置为：根据载荷数据中的最大载荷值、最小载荷值以及预定的第一集合数量，确定用于划分多个载荷数据集合的第一划分步长；按照第一划分步长，将载荷数据划分为第一集合数量的载荷数据集合。

作为示例，参数代表为载荷数据集合中的载荷值的中心值，中心值通过第一划分步长和最小载荷值来确定或者通过第一划分步长和最大载荷值来确定。

作为示例，第二确定单元300还被配置为：基于载荷概率分布，确定在载荷概率分布中，概率的下降表示等于第一预定阈值的位置所对应的临界载荷值，并将临界载荷值确定为主轴承的预定载荷的大小。

作为示例，获取单元100还被配置为：获取风力发电机组的轮毂中心的载荷数据；基于轮毂中心的载荷数据，根据轮毂与主轴承之间的受力平衡关系，确定载荷数据。

作为示例，主轴承为风力发电机组的靠近轮毂侧设置的主轴承或远离轮毂侧设置的主轴承。

作为示例，确定的所述预定载荷相关的数据被用于如下的一者或多者：在设计阶段，基于所述预定载荷相关的数据，设计主轴承；在测试阶段，对被测试主轴承加载所述预定载荷相关的数据，以对所述被测试主轴承进行测试；在监控运行阶段，采集安装在风力发电机组中的被监控主轴承所受到的载荷相关的数据，在所采集的数据超过所述预定载荷相关的数据的情况下进行报警。

作为示例，载荷作用方位角是指在主轴承的垂直于旋转轴线的截面上，载荷作用位置相对于主轴承上的预定参考位置的角度。第一确定单元200还被配置为：在一个圆周上，根据预定的第二集合数量，确定用于划分多个载荷数据集合的第二划分步长；按照第二划分步长，将载荷数据划分为第二集合数量的载荷数据集合。

作为示例，参数代表为载荷数据集合中的载荷作用方位角的中心值，中心值通过第二划分步长来确定。

作为示例，第二确定单元300还被配置为：基于载荷概率分布，确定在载荷概率分布中，概率大于或等于第二预定阈值的载荷作用方位角；根据概率大于或等于第二预定阈值的载荷作用方位角，确定主轴承的预定载荷的作用方位。

根据本公开的第三方面，提供一种计算机可读存储介质。当所述计算机可读存储介质中的指令被至少一个处理器运行时，促使所述至少一个处理器执行根据本公开的第一方面所述的风力发电机组的主轴承的预定载荷确定方法。

根据本公开的实施例的风力发电机组的主轴承的预定载荷确定方法可被编写为计算机程序并被存储在计算机可读存储介质上。计算机可读存储介质的示例包括：只读存储器(ROM)、随机存取可编程只读存储器(PROM)、电可擦除可编程只读存储器(EEPROM)、随机存取存储器(RAM)、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)、闪存、非易失性存储器、CD-ROM、CD-R、CD+R、CD-RW、CD+RW、DVD-ROM、DVD-R、DVD+R、DVD-RW、DVD+RW、DVD-RAM、BD-ROM、BD-R、BD-R LTH、BD-RE、蓝光或光盘存储器、硬盘驱动器(HDD)、固态硬盘(SSD)、卡式存储器(诸如，多媒体卡、安全数字(SD)卡或极速数字(XD)卡)、磁带、软盘、磁光数据存储装置、光学数据存储装置、硬盘、固态盘以及任何其他装置，所述任何其他装置被配置为以非暂时性方式存储计算机程序以及任何相关联的数据、数据文件和数据结构并将所述计算机程序以及任何相关联的数据、数据文件和数据结构提供给处理器或计算机使得处理器或计算机能执行所述计算机程序。在一个示例中，计算机程序以及任何相关联的数据、数据文件和数据结构分布在联网的计算机系统上，使得计算机程序以及任何相关联的数据、数据文件和数据结构通过一个或多个处理器或计算机以分布式方式存储、访问和执行。

根据本公开的第四方面，提供一种计算机设备。计算机设备包括：至少一个处理器；至少一个存储计算机可执行指令的存储器，其中，所述计算机可执行指令在被所述至少一个处理器运行时，促使所述至少一个处理器执行根据本公开的第一方面所述的风力发电机组的主轴承的预定载荷确定方法。

作为示例，计算机设备可以是PC计算机、平板装置、个人数字助理、智能手机、或其他能够执行上述指令集合的装置。这里，计算机设备并非必须是单个的电子设备，还可以是任何能够单独或联合执行上述指令(或指令集)的装置或电路的集合体。计算机设备还可以是集成控制系统或系统管理器的一部分，或者可被配置为与本地或远程(例如，经由无线传输)以接口互联的便携式电子设备。

在计算机设备中，处理器可以包括中央处理器(CPU)、图形处理器(GPU)、可编程逻辑装置、专用处理器系统、微控制器或微处理器。作为示例而非限制，处理器还可包括模拟处理器、数字处理器、微处理器、多核处理器、处理器阵列、网络处理器等。

处理器可运行存储在存储器中的指令或代码，其中，存储器还可以存储数据。指令和数据还可经由网络接口装置而通过网络被发送和接收，其中，网络接口装置可采用任何已知的传输协议。

存储器可与处理器集成为一体，例如，将RAM或闪存布置在集成电路微处理器等之内。此外，存储器可包括独立的装置，诸如，外部盘驱动、存储阵列或任何数据库系统可使用的其他存储装置。存储器和处理器可在操作上进行耦合，或者可例如通过I/O端口、网络连接等互相通信，使得处理器101能够读取存储在存储器中的文件。

此外，计算机设备还可包括视频显示器(诸如，液晶显示器)和用户交互接口(诸如，键盘、鼠标、触摸输入装置等)。计算机设备的所有组件可经由总线和/或网络而彼此连接。

以上对本公开的具体实施方式进行了详细描述，虽然已表示和描述了一些实施例，但本领域技术人员应该理解，在不脱离由权利要求及其等同物限定其范围的本公开的原理和精神的情况下，可对这些实施例进行修改和变型，这些修改和变型也应在本公开的权利要求的保护范围内。

Claims (15)

1.一种风力发电机组的主轴承的预定载荷确定方法，其特征在于，所述预定载荷确定方法包括：

获取风力发电机组的主轴承的载荷数据；

基于所述载荷数据，确定所述载荷数据的载荷概率分布，所述载荷概率分布表示作用在所述主轴承上的载荷的载荷值和/或载荷作用方位角的不同值出现的概率大小；

基于所述载荷概率分布，确定与所述主轴承的预定载荷相关的数据。

2.根据权利要求1所述的预定载荷确定方法，其特征在于，基于所述载荷数据，确定所述载荷数据的载荷概率分布的步骤包括：

按照所述载荷值和/或所述载荷作用方位角的大小，将所述载荷数据划分为多个载荷数据集合；

根据划分到每个载荷数据集合中的载荷数据以及载荷数据的数量，确定所述载荷概率分布。

3.根据权利要求2所述的预定载荷确定方法，其特征在于，通过以下方式确定所述载荷概率分布：

确定划分到每个载荷数据集合中的载荷数据的所述载荷值和/或所述载荷作用方位角的参数代表；

针对每个载荷数据集合，将该载荷数据集合中的载荷数据的数量作为该载荷数据集合的参数代表的概率权重，所述概率权重表示参数代表出现的可能性大小；

将所有载荷数据集合的参数代表与概率权重的对应关系，确定为所述载荷概率分布。

4.根据权利要求3所述的预定载荷确定方法，其特征在于，按照所述载荷值的大小，将所述载荷数据划分为多个载荷数据集合的步骤包括：

根据所述载荷数据中的最大载荷值、最小载荷值以及预定的第一集合数量，确定用于划分所述多个载荷数据集合的第一划分步长；

按照所述第一划分步长，将所述载荷数据划分为所述第一集合数量的载荷数据集合。

5.根据权利要求4所述的预定载荷确定方法，其特征在于，所述参数代表为载荷数据集合中的载荷值的中心值，所述中心值通过所述第一划分步长和所述最小载荷值来确定或者通过所述第一划分步长和所述最大载荷值来确定。

6.根据权利要求4所述的预定载荷确定方法，其特征在于，基于所述载荷概率分布，确定与所述主轴承的预定载荷相关的数据的步骤包括：

基于所述载荷概率分布，确定在所述载荷概率分布中，概率的下降表示等于第一预定阈值的位置所对应的临界载荷值，并将所述临界载荷值确定为所述主轴承的预定载荷的大小。

7.根据权利要求4至6中的任一项所述的预定载荷确定方法，其特征在于，获取风力发电机组的主轴承的载荷数据的步骤包括：

获取所述风力发电机组的轮毂中心的载荷数据；

基于所述轮毂中心的载荷数据，根据所述轮毂与所述主轴承之间的受力平衡关系，确定所述载荷数据。

8.根据权利要求4至6中的任一项所述的预定载荷确定方法，其特征在于，所述主轴承为所述风力发电机组的靠近轮毂侧设置的主轴承或远离轮毂侧设置的主轴承。

9.根据权利要求1所述的预定载荷确定方法，其特征在于，确定的所述预定载荷相关的数据被用于如下的一者或多者：

在设计阶段，基于所述预定载荷相关的数据，设计主轴承；

在测试阶段，对被测试主轴承加载所述预定载荷相关的数据，以对所述被测试主轴承进行测试；

在监控运行阶段，采集安装在风力发电机组中的被监控主轴承所受到的载荷相关的数据，在所采集的数据超过所述预定载荷相关的数据的情况下进行报警。

10.根据权利要求3所述的预定载荷确定方法，其特征在于，所述载荷作用方位角是指在所述主轴承的垂直于旋转轴线的截面上，载荷作用位置相对于所述主轴承上的预定参考位置的角度，

其中，按照所述载荷作用方位角的大小，将所述载荷数据划分为多个载荷数据集合的步骤包括：

在一个圆周上，根据预定的第二集合数量，确定用于划分所述多个载荷数据集合的第二划分步长；

按照所述第二划分步长，将所述载荷数据划分为所述第二集合数量的载荷数据集合。

11.根据权利要求10所述的预定载荷确定方法，其特征在于，所述参数代表为载荷数据集合中的载荷作用方位角的中心值，所述中心值通过所述第二划分步长来确定。

12.根据权利要求10所述的预定载荷确定方法，其特征在于，基于所述载荷概率分布，确定与所述主轴承的预定载荷相关的数据的步骤包括：

基于所述载荷概率分布，确定在所述载荷概率分布中，概率大于或等于第二预定阈值的载荷作用方位角；

根据概率大于或等于第二预定阈值的载荷作用方位角，确定所述主轴承的预定载荷的作用方位。

13.一种风力发电机组的主轴承的预定载荷确定装置，其特征在于，所述预定载荷确定装置包括：

获取单元，被配置为获取风力发电机组的主轴承的载荷数据；

第一确定单元，被配置为基于所述载荷数据，确定所述载荷数据的载荷概率分布，所述载荷概率分布表示作用在所述主轴承上的载荷的载荷值和/或载荷作用方位角的不同值出现的概率大小；

第二确定单元，被配置为基于所述载荷概率分布，确定与所述主轴承的预定载荷相关的数据。

14.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中的指令被至少一个处理器运行时，促使所述至少一个处理器执行如权利要求1-12中的任一项所述的风力发电机组的主轴承的预定载荷确定方法。

15.一种计算机设备，其特征在于，包括：

至少一个处理器；

至少一个存储计算机可执行指令的存储器，

其中，所述计算机可执行指令在被所述至少一个处理器运行时，促使所述至少一个处理器执行如权利要求1-12中的任一项所述的风力发电机组的主轴承的预定载荷确定方法。