CN118128715B - 一种风电齿轮箱润滑结构预警与寿命管理方法 - Google Patents
一种风电齿轮箱润滑结构预警与寿命管理方法 Download PDFInfo
- Publication number
- CN118128715B CN118128715B CN202410559092.0A CN202410559092A CN118128715B CN 118128715 B CN118128715 B CN 118128715B CN 202410559092 A CN202410559092 A CN 202410559092A CN 118128715 B CN118128715 B CN 118128715B
- Authority
- CN
- China
- Prior art keywords
- gear box
- wear
- maintenance
- time
- calculating
- 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.)
- Active
Links
- 238000005461 lubrication Methods 0.000 title claims abstract description 38
- 238000007726 management method Methods 0.000 title claims abstract description 26
- 238000012423 maintenance Methods 0.000 claims abstract description 183
- 238000005070 sampling Methods 0.000 claims abstract description 107
- 239000010687 lubricating oil Substances 0.000 claims abstract description 77
- 238000012549 training Methods 0.000 claims abstract description 47
- 238000005299 abrasion Methods 0.000 claims description 91
- 238000000034 method Methods 0.000 claims description 57
- 230000006870 function Effects 0.000 claims description 49
- 238000004364 calculation method Methods 0.000 claims description 39
- 230000008859 change Effects 0.000 claims description 30
- 239000002245 particle Substances 0.000 claims description 24
- 230000001133 acceleration Effects 0.000 claims description 16
- 239000002184 metal Substances 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 14
- 238000012544 monitoring process Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 230000002068 genetic effect Effects 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims description 3
- 230000001050 lubricating effect Effects 0.000 claims 2
- 230000005611 electricity Effects 0.000 claims 1
- 239000003921 oil Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 239000004519 grease Substances 0.000 description 3
- 230000002035 prolonged effect Effects 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000002923 metal particle Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本申请的一种风电齿轮箱润滑结构预警与寿命管理方法,涉及齿轮箱维护技术领域,通过预设采样时间,收集齿轮箱内的运行温度、润滑油的状态数据和齿轮箱的振动数据,获取齿轮箱的主轴转速,利用齿轮箱的运行温度、振动数据和润滑油的状态数据计算得到齿轮箱的磨损参数,训练得到齿轮箱磨损预测模型,预设磨损参数阈值,利用齿轮箱磨损预测模型预测得到未来磨损参数,当未来磨损参数大于磨损参数阈值时,触发齿轮箱状态预警,设定最小化维护成本目标函数和最大化使用寿命目标函数,基于不同维护方式计算维护成本,基于不同维护时间的未来磨损参数计算剩余使用寿命,得到最优解集作为维修方案,延长了风电齿轮箱润滑结构的使用寿命。
Description
技术领域
本申请涉及齿轮箱维护技术领域,特别涉及一种风电齿轮箱润滑结构预警与寿命管理方法。
背景技术
风电齿轮箱润滑系统在风力发电行业中扮演着至关重要的角色,其设计和运行对于风力涡轮机的性能和寿命有着直接的影响。齿轮箱润滑系统的主要功能是在齿轮箱内部的齿轮、轴承和其他运动部件之间提供必要的润滑以减少摩擦、磨损和热量产生,从而确保风力涡轮机的正常运行。风电齿轮箱通常采用油润滑系统,使用特殊的工业齿轮箱油。有时也会使用润滑脂,尤其是在一些较小的风力涡轮机中。油润滑系统通过油泵将油送到齿轮箱内各个部位,形成润滑膜,降低摩擦。润滑脂则通过润滑脂泵或手工润滑方式施加在齿轮箱内部。
定期的润滑系统检查和维护是确保系统正常运行的关键。这包括监测油液的温度、粘度和油品状态,检查油液中是否有金属颗粒等。运行中的异常噪音、温度升高、振动等都可能表明润滑系统存在问题,需要及时检修和维护。
风电齿轮箱润滑结构预警与寿命管理方法需要准确判断润滑系统的工作状态和齿轮箱的寿命。然而,现有的预警方法可能存在准确性不高或无法及时发现问题的问题,导致无法有效预测齿轮箱的故障和提前进行维护。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本申请的一个目的在于提出一种风电齿轮箱润滑结构预警与寿命管理方法,提高了风电齿轮箱润滑结构预警的效率和灵敏度,延长了风电齿轮箱润滑结构的使用寿命。
本申请的一个方面提供了一种风电齿轮箱润滑结构预警与寿命管理方法,包括:
步骤S100:预设采样时间,在每个采样时间收集齿轮箱内的运行温度、润滑油的状态数据和齿轮箱的振动数据;
所述预设采样时间,在每个采样时间收集齿轮箱内的运行温度、润滑油的状态数据和齿轮箱的振动数据的具体方法为:
步骤S110:在齿轮箱中的各个部位安装温度传感器,在每个采样时间收集齿轮箱在运行过程中各个部位的运行温度;
步骤S120:在齿轮箱中安装振动传感器,在每个采样时间捕捉齿轮箱的振动数据,所述振动数据包括齿轮箱运行中的振动加速度;
步骤S130:在齿轮箱中设置取样管线,在每个采样时间自动从齿轮箱的各个部位抽取润滑油样本,所述润滑油的状态数据包括:润滑油的粘度和颗粒度,利用颗粒计数传感器监测润滑油样本的颗粒度,所述颗粒度包括高颗粒浓度和中颗粒浓度;
步骤S140:在齿轮箱中安装粘度检测器,在每个采样时间利用粘度检测器检测润滑油的粘度;
步骤S200:获取齿轮箱的主轴转速,利用齿轮箱的运行温度、振动数据和润滑油的状态数据计算得到齿轮箱的磨损参数;
所述获取齿轮箱的主轴转速,利用齿轮箱的运行温度、振动数据和润滑油的状态数据计算得到齿轮箱的磨损参数的具体方法为:
步骤S210:记录齿轮箱未运行时的初始运行温度为,获取第i个采样时间齿轮箱内不同部位的运行温度中的最大值,得到最大运行温度,计算最大运行温度和初始运行温度之间的差值,得到金属升温;
其中,金属升温为最大运行温度和初始运行温度之间的差值,表示第i个采样时间的最大运行温度与初始运行温度之间的温差;
所述金属升温的计算公式为:;
步骤S220:记录润滑油的初始粘度,根据粘度检测器检测得到第i个采样时间润滑油的粘度,将粘度与初始粘度进行比值计算得到润滑油的相对粘度;
其中,表示第i个采样时间的相对粘度;
步骤S230:通过电机控制器获取齿轮箱第i个采样时间的的主轴转速;
步骤S240:根据齿轮箱的振动数据得到第i个采样时间的振动加速度,根据从历史时间到当前的N次采样,获得N个振动加速度,计算得到振动加速度的均方根值,所述均方根值的计算公式为:;
步骤S250:根据颗粒计数传感器监测得到润滑油内的高颗粒浓度为,中颗粒浓度为;
步骤S260:根据润滑油的颗粒度和相对粘度、齿轮箱的金属升温、主轴转速、振动加速度的均方根值计算得到齿轮箱的磨损参数;
所述齿轮箱的磨损参数的计算公式为:,其中,α为比例系数,β为振动拟合参数,ζ为转速拟合参数,θ为粘度拟合参数;
所述比例系数α、振动拟合参数β、转速拟合参数ζ、粘度拟合参数θ根据经验和实际需求得到;
步骤S300:计算N个采样时间的历史磨损参数,利用历史磨损参数和齿轮箱的运行温度训练得到齿轮箱磨损预测模型,用于预测未来时间齿轮箱的磨损参数变化趋势;
所述计算N个采样时间的历史磨损参数,利用历史磨损参数和齿轮箱的运行温度训练得到齿轮箱磨损预测模型的具体方法为:
步骤S310:通过已记录的N个采样时间的主轴转速、运行温度、振动数据和润滑油的状态数据计算得到齿轮箱的N个历史磨损参数;
步骤S320:由N个采样时间内齿轮箱的运行温度和历史磨损参数得到运行温度序列和历史磨损参数序列;
步骤S330:预设滑动步长、窗口长度和预测时间步长,利用滑动窗口方法根据运行温度序列和历史磨损参数序列得到训练样本集,训练样本集中共有λ个训练样本;
步骤S340:将LSTM模型作为初始模型,利用训练样本集对LSTM模型进行训练,将窗口长度的运行温度序列样本和历史磨损参数序列样本作为训练齿轮箱磨损预测模型的输入数据,将预测时间步长的历史磨损参数作为训练齿轮箱磨损预测模型的输出数据;
步骤S350:表示第j个训练样本中实际的历史磨损参数,表示第j个训练样本预测得到的历史磨损参数,以最小化实际的历史磨损参数和预测得到的历史磨损参数之间的误差作为训练目标,当损失函数达到收敛时,停止训练得到齿轮箱磨损预测模型;
所述损失函数的计算公式为:;
步骤S400:预设磨损参数阈值,实时计算每个采样时间的磨损参数,得到实时磨损参数序列,获取实时运行温度得到实时运行温度序列,利用齿轮箱磨损预测模型预测得到未来磨损参数,当未来磨损参数大于磨损参数阈值时,触发齿轮箱状态预警;
所述预设磨损参数阈值的具体方法为:
步骤S410:根据N个采样时间得到的运行温度、振动数据、主轴转速和润滑油的状态数据计算得到齿轮箱的历史磨损参数,得到历史磨损参数序列、运行温度序列,从历史磨损参数序列中获取磨损参数最大值,从运行温度序列中获取运行温度最大值;
步骤S420:定义相对于初始粘度和粘度的粘度变化率,所述粘度变化率的计算公式为:;
步骤S430:根据N个采样时间的粘度变化率计算得到粘度变化率均值,所述粘度变化率均值的计算公式为:;
步骤S440:由N个采样时间获取的主轴转速计算得到转速均值;
所述转速均值的计算公式为:;
步骤S450:由磨损参数最大值、运行温度最大值、转速均值、粘度变化率均值计算得到磨损参数阈值;
所述磨损参数阈值的计算公式为:,其中,为温度权衡系数,为转速权衡系数,为磨损权衡系数;
所述温度权衡系数、转速权衡系数、磨损权衡系数根据经验和实际需求得到;
所述实时计算每个采样时间的磨损参数,得到实时磨损参数序列,获取实时运行温度得到实时运行温度序列,利用齿轮箱磨损预测模型预测得到未来磨损参数,当未来磨损参数大于磨损参数阈值时,触发齿轮箱状态预警的具体方法为:
步骤S460:实时获取每个采样时间的实时运行温度、实时振动数据、实时主轴转速和润滑油的实时状态数据,计算得到每个采样时间的磨损参数,按照时间顺序整合得到实时磨损参数序列,根据实时运行温度得到实时运行温度序列;
步骤S470:将实时磨损参数序列和实时运行温度序列作为输入数据,利用已训练好的齿轮箱磨损预测模型预测得到预测时间步长内的未来磨损参数;
步骤S480:当未来磨损参数大于磨损参数阈值时,触发齿轮箱状态预警;
步骤S500:设定最小化维护成本目标函数和最大化使用寿命目标函数,基于不同维护方式计算维护成本,基于不同维护时间的未来磨损参数计算剩余使用寿命,得到最优解集作为维修方案提供给维修人员;
所述设定最小化维护成本目标函数和最大化使用寿命目标函数的具体方法为:
步骤S510:设定决策变量为维护时间t和维护方式m;
所述维护时间t为连续变量,表示开始维护时刻距离当前采样时间的维护时间间隔;
所述维护方式m为离散变量,表示不同的维护方式,m等于1表示更换润滑油,m等于2表示更换零部件;
步骤S520:根据不同维护方式的维修费用和在维护时间t内继续运行的损失成本,计算维护成本,设定最小化维护成本目标函数;
所述最小化维护成本目标函数的函数表达式为:;
其中,表示不同维护方式m的维修费用,计算公式为:,为基础维修费用,为更换润滑油维修费用,为更换零部件维修费用;
表示齿轮箱在维护时间t内继续运行的损失成本,计算公式为:,为固定运行成本,表示与维护时间呈线性相关的效率损失;
表示维护成本;
步骤S530:根据未来磨损参数,计算剩余使用寿命,设定最大化使用寿命目标函数;
所述最大化使用寿命目标函数的函数表达式为:,为理想剩余寿命,为寿命损失参数,为磨损比例系数,表示距离当前采样时间为维护时间t的时刻的未来磨损参数的预测值,表示使用寿命;
所述理想剩余寿命指在齿轮箱无磨损的理想状态下的剩余寿命,根据不同齿轮箱型号进行设定;
所述寿命损失参数指磨损对齿轮箱剩余寿命的损失影响参数,根据实验和实际需求进行设定;
所述磨损比例系数根据实验和实际需求进行设定;
所述预测得到的距离当前采样时间t个维护时间的未来磨损参数基于不同的维护时间t,利用齿轮箱磨损预测模型预测得到;
步骤S540:设定维护成本约束条件和寿命约束条件;
所述维护成本约束条件为:,其中B为维护预算;
所述寿命约束条件为:,其中为最低可接受的剩余寿命;
所述基于不同维护方式计算维护成本,基于不同维护时间的未来磨损参数计算剩余使用寿命,得到最优解集作为维修方案提供给维修人员的具体方法为:
步骤S550:基于不同的维护时间t和维护方式m生成初始种群Z(m,t);
步骤S560:对于初始种群内的每个个体(m,t)计算其最小化维护成本目标函数和最大化使用寿命目标函数的值,根据维护成本约束条件和寿命约束条件判断该个体是否满足所述约束条件;
步骤S570:使用遗传算法对初始种群内的每个个体进行计算,得到满足维护成本约束条件和寿命约束条件的最优解集,将最优解集作为维护方案,维修人员从中选择最终决策方案。
本申请的一个方面提供了一种风电齿轮箱润滑结构预警与寿命管理系统,包括:
数据收集模块,用于预设采样时间,在每个采样时间收集齿轮箱内的运行温度、润滑油的状态数据和齿轮箱的振动数据;
磨损参数计算模块,用于获取齿轮箱的主轴转速,利用齿轮箱的运行温度、振动数据和润滑油的状态数据计算得到齿轮箱的磨损参数;
磨损变化预测模块,用于计算N个采样时间的历史磨损参数,利用历史磨损参数和齿轮箱的运行温度训练得到齿轮箱磨损预测模型,用于预测未来时间齿轮箱的磨损参数变化趋势;
实时预警模块,用于预设磨损参数阈值,实时计算每个采样时间的磨损参数,得到实时磨损参数序列,获取实时运行温度得到实时运行温度序列,利用齿轮箱磨损预测模型预测得到未来磨损参数,当未来磨损参数大于磨损参数阈值时,触发齿轮箱状态预警;
维护策略决策模块,用于设定最小化维护成本目标函数和最大化使用寿命目标函数,基于不同维护方式计算维护成本,基于不同维护时间的未来磨损参数计算剩余使用寿命,得到最优解集作为维修方案提供给维修人员。
本申请的一个方面提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,以实现一种风电齿轮箱润滑结构预警与寿命管理方法中的步骤。
本申请的一个方面提供了一种可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序适于处理器进行加载,以执行一种风电齿轮箱润滑结构预警与寿命管理方法中的步骤。
本申请提出的一种风电齿轮箱润滑结构预警与寿命管理方法相对于现有技术,具备以下优点:
本申请通过预设采样时间自动化数据采集流程,确保了数据的连续性和一致性,避免了人为误差;
本申请综合利用温度、振动、润滑油状态和主轴转速等多源数据,通过科学计算得到磨损参数,这种多维度综合分析方法提高了故障预测的准确性,可以准确评估齿轮箱的磨损状况,为维护决策提供了依据;
本申请采用LSTM模型,能够从历史数据中学习磨损规律,实现磨损趋势的精准预测,使得维护决策能够更加前瞻性和精准,有效预防故障发生,减少停机时间;
本申请实时监测并计算磨损参数,与预设的阈值比对,实现了齿轮箱状态的即时预警,及时发现潜在问题,防止故障扩大,保障设备的稳定运行;
本申请通过设定目标函数和约束条件,结合遗传算法等优化技术,为维修人员提供最经济、效率最高的维护方案,实现了成本和寿命的双重优化,延长了齿轮箱的使用寿命,同时控制了维护成本,利用机器学习和优化算法为维护决策提供科学依据,提高了决策的智能化水平,实现了从被动应对到主动预防的转变。
附图说明
图1为本申请提供的一种风电齿轮箱润滑结构预警与寿命管理方法的方法流程图;
图2为本申请提供的一种风电齿轮箱润滑结构预警与寿命管理系统的功能模块图;
图3为本申请提供的一种电子设备的结构示意图;
图4是本申请提供的一种可读存储介质结构示意图。
具体实施方式
为了更好地理解本申请,将参考附图对本申请的各个方面作出更详细的说明。应理解,这些详细说明只是对本申请的示例性实施方式的描述,而非以任何方式限制本申请的范围。在说明书全文中,相同的附图标号指代相同的元件。表述“和/或”包括相关联的所列项目中的一个或多个的任何和全部组合。
在附图中,为了便于说明,已稍微调整了元素的大小、尺寸和形状。附图仅为示例而并非严格按比例绘制。如在本文中使用的,用语“大致”“大约”以及类似的用语用作表近似的用语,而不用作表程度的用语,并且旨在说明将由本领域普通技术人员认识到的、测量值或计算值中的固有偏差。另外,在本申请中,各步骤处理描述的先后顺序并不必然表示这些处理在实际操作中出现的顺序,除非有明确其它限定或者能够从上下文推导出的除外。
还应理解的是,诸如“包括”“包括有”“具有”“包含”和/或“包含有”等表述在本说明书中是开放性而非封闭性的表述,其表示存在所陈述的特征、元件和/或部件,但不排除一个或多个其它特征、元件、部件和/或它们的组合的存在。此外,当诸如“……中的至少一个”的表述出现在所列特征的列表之后时,其修饰整列特征,而非仅仅修饰列表中的单独元件。此外,当描述本申请的实施方式时,使用“可”表示“本申请的一个或多个实施方式”。并且,用语“示例性的”旨在指代示例或举例说明。
除非另外限定,否则本文中使用的所有措辞(包括工程术语和科技术语)均具有与本申请所属领域普通技术人员的通常理解相同的含义。还应理解的是,除非本申请中有明确的说明,否则在常用词典中定义的词语应被解释为具有与它们在相关技术的上下文中的含义一致的含义,而不应以理想化或过于形式化的意义解释。
需要说明的是,在不冲突的情况下,本申请中的实施方式及实施方式中的特征可以相互组合。下面将参考附图并结合实施方式来详细说明本申请。
实施例1
如图1所示,为本申请提供的一种风电齿轮箱润滑结构预警与寿命管理方法,包括:
步骤S100:预设采样时间,在每个采样时间收集齿轮箱内的运行温度、润滑油的状态数据和齿轮箱的振动数据;
所述采样时间是指预设好的每次从齿轮箱的各个传感器获取记录的数据的时间;
所述预设采样时间,在每个采样时间收集齿轮箱内的运行温度、润滑油的状态数据和齿轮箱的振动数据的具体方法为:
步骤S110:在齿轮箱中的各个部位安装温度传感器,在每个采样时间收集齿轮箱在运行过程中各个部位的运行温度;
步骤S120:在齿轮箱中安装振动传感器,在每个采样时间捕捉齿轮箱的振动数据,所述振动数据包括齿轮箱运行中的振动加速度;
步骤S130:在齿轮箱中设置取样管线,在每个采样时间自动从齿轮箱的各个部位抽取润滑油样本,所述润滑油的状态数据包括:润滑油的粘度和颗粒度,利用颗粒计数传感器监测润滑油样本的颗粒度,所述颗粒度包括高颗粒浓度和中颗粒浓度;
步骤S140:在齿轮箱中安装粘度检测器,在每个采样时间利用粘度检测器检测润滑油的粘度;
本步骤通过安装多种传感器,实现对齿轮箱多维度运行状态的实时监测,更全面反映齿轮箱健康状态;
步骤S200:获取齿轮箱的主轴转速,利用齿轮箱的运行温度、振动数据和润滑油的状态数据计算得到齿轮箱的磨损参数;
所述磨损参数是指与齿轮箱内部件、转轴磨损相关的参数;
所述获取齿轮箱的主轴转速,利用齿轮箱的运行温度、振动数据和润滑油的状态数据计算得到齿轮箱的磨损参数的具体方法为:
步骤S210:记录齿轮箱未运行时的初始运行温度为,获取第i个采样时间齿轮箱内不同部位的运行温度中的最大值,得到最大运行温度,计算最大运行温度和初始运行温度之间的差值,得到金属升温;
其中,金属升温为最大运行温度和初始运行温度之间的差值,表示第i个采样时间的最大运行温度与初始运行温度之间的温差;
所述金属升温的计算公式为:;
步骤S220:记录润滑油的初始粘度,根据粘度检测器检测得到第i个采样时间润滑油的粘度,将粘度与初始粘度进行比值计算得到润滑油的相对粘度;
其中,表示第i个采样时间的相对粘度;
步骤S230:通过电机控制器获取齿轮箱第i个采样时间的的主轴转速;
步骤S240:根据齿轮箱的振动数据得到第i个采样时间的振动加速度,根据从历史时间到当前的N次采样,获得N个振动加速度,计算得到振动加速度的均方根值,所述均方根值的计算公式为:;
步骤S250:根据颗粒计数传感器监测得到润滑油内的高颗粒浓度为,中颗粒浓度为;
步骤S260:根据润滑油的颗粒度和相对粘度、齿轮箱的金属升温、主轴转速、振动加速度的均方根值计算得到齿轮箱的磨损参数;
所述齿轮箱的磨损参数的计算公式为:,其中,α为比例系数,β为振动拟合参数,ζ为转速拟合参数,θ为粘度拟合参数;
所述比例系数α、振动拟合参数β、转速拟合参数ζ、粘度拟合参数θ根据经验和实际需求得到;
本步骤提出了一种创新的磨损参数计算模型,将温度、振动、转速、粘度、颗粒度等多维度数据融合,定量描述齿轮箱磨损状态,该磨损参数计算公式综合考虑了多种影响因素,具有很强的工程适用性;
步骤S300:计算N个采样时间的历史磨损参数,利用历史磨损参数和齿轮箱的运行温度训练得到齿轮箱磨损预测模型,用于预测未来时间齿轮箱的磨损参数变化趋势;
所述计算N个采样时间的历史磨损参数,利用历史磨损参数和齿轮箱的运行温度训练得到齿轮箱磨损预测模型的具体方法为:
步骤S310:通过已记录的N个采样时间的主轴转速、运行温度、振动数据和润滑油的状态数据计算得到齿轮箱的N个历史磨损参数;
步骤S320:由N个采样时间内齿轮箱的运行温度和历史磨损参数得到运行温度序列和历史磨损参数序列;
步骤S330:预设滑动步长、窗口长度和预测时间步长,利用滑动窗口方法根据运行温度序列和历史磨损参数序列得到训练样本集,训练样本集中共有λ个训练样本;
步骤S340:将LSTM模型作为初始模型,利用训练样本集对LSTM模型进行训练,将窗口长度的运行温度序列样本和历史磨损参数序列样本作为训练齿轮箱磨损预测模型的输入数据,将预测时间步长的历史磨损参数作为训练齿轮箱磨损预测模型的输出数据;
步骤S350:表示第j个训练样本中实际的历史磨损参数,表示第j个训练样本预测得到的历史磨损参数,以最小化实际的历史磨损参数和预测得到的历史磨损参数之间的误差作为训练目标,当损失函数达到收敛时,停止训练得到齿轮箱磨损预测模型;
所述损失函数的计算公式为:;
其中,预设滑动步长、窗口长度和预测时间步长的含义为:预测时间步长是指根据历史数据预测未来数据的预测时间长度,窗口长度是指在序列中定义一个窗口的窗口大小,滑动步长是指在序列中定义一个窗口,所述窗口每次滑动的长度;
示例性的,在历史磨损参数序列和运行温度序列中定义预测时间步长为1,定义一个窗口长度为3的窗口,定义滑动步长为1,则第一个运行温度序列样本为,第一个历史磨损参数序列样本为,通过第一个训练样本得到预测时间步长内的历史磨损参数为;
本步骤引入长短时神经网络模型,基于历史数据预测未来磨损参数变化趋势,滑动窗口方法生成训练样本,有效提高了LSTM模型的预测精度;
步骤S400:预设磨损参数阈值,实时计算每个采样时间的磨损参数,得到实时磨损参数序列,获取实时运行温度得到实时运行温度序列,利用齿轮箱磨损预测模型预测得到未来磨损参数,当未来磨损参数大于磨损参数阈值时,触发齿轮箱状态预警;
所述磨损参数阈值是衡量磨损参数的磨损程度的阈值,当磨损参数大于磨损参数阈值时,表示该磨损参数对应的齿轮箱的磨损程度严重;
所述预设磨损参数阈值的具体方法为:
步骤S410:根据N个采样时间得到的运行温度、振动数据、主轴转速和润滑油的状态数据计算得到齿轮箱的历史磨损参数,得到历史磨损参数序列、运行温度序列,从历史磨损参数序列中获取磨损参数最大值,从运行温度序列中获取运行温度最大值;
步骤S420:定义相对于初始粘度和粘度的粘度变化率,所述粘度变化率的计算公式为:;
步骤S430:根据N个采样时间的粘度变化率计算得到粘度变化率均值,所述粘度变化率均值的计算公式为:;
步骤S440:由N个采样时间获取的主轴转速计算得到转速均值;
所述转速均值的计算公式为:;
步骤S450:由磨损参数最大值、运行温度最大值、转速均值、粘度变化率均值计算得到磨损参数阈值;
所述磨损参数阈值的计算公式为:,其中,为温度权衡系数,为转速权衡系数,为磨损权衡系数;
所述温度权衡系数、转速权衡系数、磨损权衡系数根据经验和实际需求得到;
所述实时计算每个采样时间的磨损参数,得到实时磨损参数序列,获取实时运行温度得到实时运行温度序列,利用齿轮箱磨损预测模型预测得到未来磨损参数,当未来磨损参数大于磨损参数阈值时,触发齿轮箱状态预警的具体方法为:
步骤S460:实时获取每个采样时间的实时运行温度、实时振动数据、实时主轴转速和润滑油的实时状态数据,计算得到每个采样时间的磨损参数,按照时间顺序整合得到实时磨损参数序列,根据实时运行温度得到实时运行温度序列;
步骤S470:将实时磨损参数序列和实时运行温度序列作为输入数据,利用已训练好的齿轮箱磨损预测模型预测得到预测时间步长内的未来磨损参数;
步骤S480:当未来磨损参数大于磨损参数阈值时,触发齿轮箱状态预警;
本步骤基于磨损参数阈值,实现对齿轮箱故障的实时监测和预警,将LSTM模型与实时数据相结合,能够及时发现故障隐患,提高预警的精准性;
步骤S500:设定最小化维护成本目标函数和最大化使用寿命目标函数,基于不同维护方式计算维护成本,基于不同维护时间的未来磨损参数计算剩余使用寿命,得到最优解集作为维修方案提供给维修人员;
所述设定最小化维护成本目标函数和最大化使用寿命目标函数的具体方法为:
步骤S510:设定决策变量为维护时间t和维护方式m;
所述维护时间t为连续变量,表示开始维护时刻距离当前采样时间的维护时间间隔;
所述维护方式m为离散变量,表示不同的维护方式,m等于1表示更换润滑油,m等于2表示更换零部件;
步骤S520:根据不同维护方式的维修费用和在维护时间t内继续运行的损失成本,计算维护成本,设定最小化维护成本目标函数;
所述最小化维护成本目标函数的函数表达式为:;
其中,表示不同维护方式m的维修费用,计算公式为:,为基础维修费用,为更换润滑油维修费用,为更换零部件维修费用;
表示齿轮箱在维护时间t内继续运行的损失成本,计算公式为:,为固定运行成本,表示与维护时间呈线性相关的效率损失;
表示维护成本;
步骤S530:根据未来磨损参数,计算剩余使用寿命,设定最大化使用寿命目标函数;
所述最大化使用寿命目标函数的函数表达式为:,为理想剩余寿命,为寿命损失参数,为磨损比例系数,表示距离当前采样时间为维护时间t的时刻的未来磨损参数的预测值,表示使用寿命;
所述理想剩余寿命指在齿轮箱无磨损的理想状态下的剩余寿命,根据不同齿轮箱型号进行设定;
所述寿命损失参数指磨损对齿轮箱剩余寿命的损失影响参数,根据实验和实际需求进行设定;
所述磨损比例系数根据实验和实际需求进行设定;
所述预测得到的距离当前采样时间t个维护时间的未来磨损参数基于不同的维护时间t,利用齿轮箱磨损预测模型预测得到;
步骤S540:设定维护成本约束条件和寿命约束条件;
所述维护成本约束条件为:,其中B为维护预算;
所述寿命约束条件为:,其中为最低可接受的剩余寿命;
所述基于不同维护方式计算维护成本,基于不同维护时间的未来磨损参数计算剩余使用寿命,得到最优解集作为维修方案提供给维修人员的具体方法为:
步骤S550:基于不同的维护时间t和维护方式m生成初始种群Z(m,t);
步骤S560:对于初始种群内的每个个体(m,t)计算其最小化维护成本目标函数和最大化使用寿命目标函数的值,根据维护成本约束条件和寿命约束条件判断该个体是否满足所述约束条件;
步骤S570:使用遗传算法对初始种群内的每个个体进行计算,得到满足维护成本约束条件和寿命约束条件的最优解集,将最优解集作为维护方案,维修人员从中选择最终决策方案;
本步骤创新地将维护决策建模为多目标优化问题,综合考虑了成本和寿命两个目标,决策者可从候选解中根据实际需求和偏好进行最终选择,决策更加科学合理。
实施例2
如图2所示,为本申请提供的一种风电齿轮箱润滑结构预警与寿命管理系统,包括:
数据收集模块,用于预设采样时间,在每个采样时间收集齿轮箱内的运行温度、润滑油的状态数据和齿轮箱的振动数据;
磨损参数计算模块,用于获取齿轮箱的主轴转速,利用齿轮箱的运行温度、振动数据和润滑油的状态数据计算得到齿轮箱的磨损参数;
磨损变化预测模块,用于计算N个采样时间的历史磨损参数,利用历史磨损参数和齿轮箱的运行温度训练得到齿轮箱磨损预测模型,用于预测未来时间齿轮箱的磨损参数变化趋势;
实时预警模块,用于预设磨损参数阈值,实时计算每个采样时间的磨损参数,得到实时磨损参数序列,获取实时运行温度得到实时运行温度序列,利用齿轮箱磨损预测模型预测得到未来磨损参数,当未来磨损参数大于磨损参数阈值时,触发齿轮箱状态预警;
维护策略决策模块,用于设定最小化维护成本目标函数和最大化使用寿命目标函数,基于不同维护方式计算维护成本,基于不同维护时间的未来磨损参数计算剩余使用寿命,得到最优解集作为维修方案提供给维修人员。
实施例3
图3是本申请一个实施例提供的电子设备结构示意图。如图3所示,根据本申请的又一方面还提供了一种电子设备。该电子设备可包括一个或多个处理器以及一个或多个存储器。其中,存储器中存储有计算机可读代码,计算机可读代码当由一个或多个处理器运行时,可以执行如上所述的一种风电齿轮箱润滑结构预警与寿命管理方法。
根据本申请实施方式的方法或系统也可以借助于图3所示的电子设备的架构来实现。如图3所示,电子设备可包括总线、一个或多个CPU、只读存储器(ROM)、随机存取存储器(RAM)、连接到网络的通信端口、输入/输出组件、硬盘等。电子设备中的存储设备,例如ROM或硬盘可存储本申请提供的一种风电齿轮箱润滑结构预警与寿命管理方法。一种风电齿轮箱润滑结构预警与寿命管理方法可例如包括:预设采样时间,在每个采样时间收集齿轮箱内的运行温度、润滑油的状态数据和齿轮箱的振动数据;获取齿轮箱的主轴转速,利用齿轮箱的运行温度、振动数据和润滑油的状态数据计算得到齿轮箱的磨损参数;计算N个采样时间的历史磨损参数,利用历史磨损参数和齿轮箱的运行温度训练得到齿轮箱磨损预测模型,用于预测未来时间齿轮箱的磨损参数变化趋势;预设磨损参数阈值,实时计算每个采样时间的磨损参数,得到实时磨损参数序列,获取实时运行温度得到实时运行温度序列,利用齿轮箱磨损预测模型预测得到未来磨损参数,当未来磨损参数大于磨损参数阈值时,触发齿轮箱状态预警;设定最小化维护成本目标函数和最大化使用寿命目标函数,基于不同维护方式计算维护成本,基于不同维护时间的未来磨损参数计算剩余使用寿命,得到最优解集作为维修方案提供给维修人员。进一步地,电子设备还可包括用户界面。当然,图3所示的架构只是示例性的,在实现不同的设备时,根据实际需要,可以省略图3示出的电子设备中的一个或多个组件。
实施例4
图4是本申请一个实施例提供的可读存储介质结构示意图。如图4所示,是根据本申请一个实施方式的可读存储介质。计算机可读存储介质上存储有计算机可读指令。当计算机可读指令由处理器运行时,可执行参照以上附图描述的根据本申请实施方式的一种风电齿轮箱润滑结构预警与寿命管理方法。存储介质包括但不限于例如易失性存储器和/或非易失性存储器。易失性存储器例如可包括随机存取存储器(RAM)和高速缓冲存储器(cache)等。非易失性存储器例如可包括只读存储器(ROM)、硬盘、闪存等。
另外,根据本申请的实施方式,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请提供了一种非暂时性机器可读存储介质,所述非暂时性机器可读存储介质存储有机器可读指令,所述机器可读指令能够由处理器运行以执行与本申请提供的方法步骤对应的指令,例如:预设采样时间,在每个采样时间收集齿轮箱内的运行温度、润滑油的状态数据和齿轮箱的振动数据;获取齿轮箱的主轴转速,利用齿轮箱的运行温度、振动数据和润滑油的状态数据计算得到齿轮箱的磨损参数;计算N个采样时间的历史磨损参数,利用历史磨损参数和齿轮箱的运行温度训练得到齿轮箱磨损预测模型,用于预测未来时间齿轮箱的磨损参数变化趋势;预设磨损参数阈值,实时计算每个采样时间的磨损参数,得到实时磨损参数序列,获取实时运行温度得到实时运行温度序列,利用齿轮箱磨损预测模型预测得到未来磨损参数,当未来磨损参数大于磨损参数阈值时,触发齿轮箱状态预警;设定最小化维护成本目标函数和最大化使用寿命目标函数,基于不同维护方式计算维护成本,基于不同维护时间的未来磨损参数计算剩余使用寿命,得到最优解集作为维修方案提供给维修人员。在该计算机程序被中央处理单元(CPU)执行时,执行本申请的方法中限定的上述功能。
可能以许多方式来实现本申请的方法和装置、设备。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本申请的方法和装置、设备。用于方法的步骤的上述顺序仅是为了进行说明,本申请的方法的步骤不限于以上具体描述的顺序,除非以其他方式特别说明。此外,在一些实施例中,还可将本申请实施为记录在记录介质中的程序,这些程序包括用于实现根据本申请的方法的机器可读指令。因而,本申请还覆盖存储用于执行根据本申请的方法的程序的记录介质。
另外,本申请的实施方式中提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明,以免过多赘述。
如上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明。应理解的是,以上所述仅为本发明的具体实施方式,并不用于限制本发明。凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等均应包含在本发明的保护范围之内。
Claims (8)
1.一种风电齿轮箱润滑结构预警与寿命管理方法,其特征在于,包括:
预设采样时间,在每个采样时间收集齿轮箱内的运行温度、润滑油的状态数据和齿轮箱的振动数据;
获取齿轮箱的主轴转速,利用齿轮箱的运行温度、振动数据和润滑油的状态数据计算得到齿轮箱的磨损参数;
计算N个采样时间的历史磨损参数,利用历史磨损参数和齿轮箱的运行温度训练得到齿轮箱磨损预测模型,用于预测未来时间齿轮箱的磨损参数变化趋势;
预设磨损参数阈值,实时计算每个采样时间的磨损参数,得到实时磨损参数序列,获取实时运行温度得到实时运行温度序列,利用齿轮箱磨损预测模型预测得到未来磨损参数,当未来磨损参数大于磨损参数阈值时,触发齿轮箱状态预警;
设定最小化维护成本目标函数和最大化使用寿命目标函数,基于不同维护方式计算维护成本,基于不同维护时间的未来磨损参数计算剩余使用寿命,得到最优解集作为维修方案提供给维修人员;
所述预设采样时间,在每个采样时间收集齿轮箱内的运行温度、润滑油的状态数据和齿轮箱的振动数据的具体方法为:
在齿轮箱中的各个部位安装温度传感器,在每个采样时间收集齿轮箱在运行过程中各个部位的运行温度;
在齿轮箱中安装振动传感器,在每个采样时间捕捉齿轮箱的振动数据,所述振动数据包括齿轮箱运行中的振动加速度;
在齿轮箱中设置取样管线,在每个采样时间自动从齿轮箱的各个部位抽取润滑油样本,所述润滑油的状态数据包括:润滑油的粘度和颗粒度,利用颗粒计数传感器监测润滑油样本的颗粒度,所述颗粒度包括高颗粒浓度和中颗粒浓度;
在齿轮箱中安装粘度检测器,在每个采样时间利用粘度检测器检测润滑油的粘度;
所述获取齿轮箱的主轴转速,利用齿轮箱的运行温度、振动数据和润滑油的状态数据计算得到齿轮箱的磨损参数的具体方法为:
记录齿轮箱未运行时的初始运行温度为,获取第i个采样时间齿轮箱内不同部位的运行温度中的最大值,得到最大运行温度,计算最大运行温度和初始运行温度之间的差值,得到金属升温;
其中,金属升温为最大运行温度和初始运行温度之间的差值,表示第i个采样时间的最大运行温度与初始运行温度之间的温差;
所述金属升温的计算公式为:;
记录润滑油的初始粘度,根据粘度检测器检测得到第i个采样时间润滑油的粘度,将粘度与初始粘度进行比值计算得到润滑油的相对粘度;
通过电机控制器获取齿轮箱第i个采样时间的的主轴转速;
根据齿轮箱的振动数据得到第i个采样时间的振动加速度,根据从历史时间到当前的N次采样,获得N个振动加速度,计算得到振动加速度的均方根值,所述均方根值的计算公式为:;
根据颗粒计数传感器监测得到润滑油内的高颗粒浓度为,中颗粒浓度为;
根据润滑油的颗粒度和相对粘度、齿轮箱的金属升温、主轴转速、振动加速度的均方根值计算得到齿轮箱的磨损参数;
所述齿轮箱的磨损参数的计算公式为:,其中,α为比例系数,β为振动拟合参数,ζ为转速拟合参数,θ为粘度拟合参数。
2.如权利要求1所述的一种风电齿轮箱润滑结构预警与寿命管理方法,其特征在于,所述计算N个采样时间的历史磨损参数,利用历史磨损参数和齿轮箱的运行温度训练得到齿轮箱磨损预测模型的具体方法为:
通过已记录的N个采样时间的主轴转速、运行温度、振动数据和润滑油的状态数据计算得到齿轮箱的N个历史磨损参数;
由N个采样时间内齿轮箱的运行温度和历史磨损参数得到运行温度序列和历史磨损参数序列;
预设滑动步长、窗口长度和预测时间步长,利用滑动窗口方法根据运行温度序列和历史磨损参数序列得到训练样本集,训练样本集中共有λ个训练样本;
将LSTM模型作为初始模型,利用训练样本集对LSTM模型进行训练,将窗口长度的运行温度序列样本和历史磨损参数序列样本作为训练齿轮箱磨损预测模型的输入数据,将预测时间步长的历史磨损参数作为训练齿轮箱磨损预测模型的输出数据;
表示第j个训练样本中实际的历史磨损参数,表示第j个训练样本预测得到的历史磨损参数,以最小化实际的历史磨损参数和预测得到的历史磨损参数之间的误差作为训练目标,当损失函数达到收敛时,停止训练得到齿轮箱磨损预测模型;
所述损失函数的计算公式为:。
3.如权利要求2所述的一种风电齿轮箱润滑结构预警与寿命管理方法,其特征在于,所述预设磨损参数阈值的具体方法为:
根据N个采样时间得到的运行温度、振动数据、主轴转速和润滑油的状态数据计算得到齿轮箱的历史磨损参数,得到历史磨损参数序列、运行温度序列,从历史磨损参数序列中获取磨损参数最大值,从运行温度序列中获取运行温度最大值;
定义相对于初始粘度和粘度的粘度变化率,所述粘度变化率的计算公式为:;
根据N个采样时间的粘度变化率计算得到粘度变化率均值,所述粘度变化率均值的计算公式为:;
由N个采样时间获取的主轴转速计算得到转速均值;
所述转速均值的计算公式为:;
由磨损参数最大值、运行温度最大值、转速均值、粘度变化率均值计算得到磨损参数阈值;
所述磨损参数阈值的计算公式为:,其中,为温度权衡系数,为转速权衡系数,为磨损权衡系数。
4.如权利要求3所述的一种风电齿轮箱润滑结构预警与寿命管理方法,其特征在于,所述设定最小化维护成本目标函数和最大化使用寿命目标函数的具体方法为:
设定决策变量为维护时间t和维护方式m;
所述维护时间t为连续变量,表示开始维护时刻距离当前采样时间的维护时间间隔;
所述维护方式m为离散变量,表示不同的维护方式,m等于1表示更换润滑油,m等于2表示更换零部件;
根据不同维护方式的维修费用和在维护时间t内继续运行的损失成本,计算维护成本,设定最小化维护成本目标函数;
所述最小化维护成本目标函数的函数表达式为:;
其中,表示不同维护方式m的维修费用,计算公式为:,为基础维修费用,为更换润滑油维修费用,为更换零部件维修费用;
表示齿轮箱在维护时间t内继续运行的损失成本,计算公式为:,为固定运行成本,表示与维护时间呈线性相关的效率损失;
表示维护成本;
根据未来磨损参数,计算剩余使用寿命,设定最大化使用寿命目标函数;
所述最大化使用寿命目标函数的函数表达式为:,为理想剩余寿命,为寿命损失参数,为磨损比例系数,表示距离当前采样时间为维护时间t的时刻的未来磨损参数的预测值,表示使用寿命;
设定维护成本约束条件和寿命约束条件;
所述维护成本约束条件为:,其中B为维护预算;
所述寿命约束条件为:,其中为最低可接受的剩余寿命。
5.如权利要求4所述的一种风电齿轮箱润滑结构预警与寿命管理方法,其特征在于,所述基于不同维护方式计算维护成本,基于不同维护时间的未来磨损参数计算剩余使用寿命,得到最优解集作为维修方案提供给维修人员的具体方法为:
基于不同的维护时间t和维护方式m生成初始种群Z(m,t);
对于初始种群内的每个个体(m,t)计算其最小化维护成本目标函数和最大化使用寿命目标函数的值,根据维护成本约束条件和寿命约束条件判断该个体是否满足所述约束条件;
使用遗传算法对初始种群内的每个个体进行计算,得到满足维护成本约束条件和寿命约束条件的最优解集,将最优解集作为维护方案,维修人员从中选择最终决策方案。
6.一种风电齿轮箱润滑结构预警与寿命管理系统,其特征在于,包括:
数据收集模块,用于预设采样时间,在每个采样时间收集齿轮箱内的运行温度、润滑油的状态数据和齿轮箱的振动数据;
磨损参数计算模块,用于获取齿轮箱的主轴转速,利用齿轮箱的运行温度、振动数据和润滑油的状态数据计算得到齿轮箱的磨损参数;
磨损变化预测模块,用于计算N个采样时间的历史磨损参数,利用历史磨损参数和齿轮箱的运行温度训练得到齿轮箱磨损预测模型,用于预测未来时间齿轮箱的磨损参数变化趋势;
实时预警模块,用于预设磨损参数阈值,实时计算每个采样时间的磨损参数,得到实时磨损参数序列,获取实时运行温度得到实时运行温度序列,利用齿轮箱磨损预测模型预测得到未来磨损参数,当未来磨损参数大于磨损参数阈值时,触发齿轮箱状态预警;
维护策略决策模块,用于设定最小化维护成本目标函数和最大化使用寿命目标函数,基于不同维护方式计算维护成本,基于不同维护时间的未来磨损参数计算剩余使用寿命,得到最优解集作为维修方案提供给维修人员;
所述预设采样时间,在每个采样时间收集齿轮箱内的运行温度、润滑油的状态数据和齿轮箱的振动数据的具体方法为:
在齿轮箱中的各个部位安装温度传感器,在每个采样时间收集齿轮箱在运行过程中各个部位的运行温度;
在齿轮箱中安装振动传感器,在每个采样时间捕捉齿轮箱的振动数据,所述振动数据包括齿轮箱运行中的振动加速度;
在齿轮箱中设置取样管线,在每个采样时间自动从齿轮箱的各个部位抽取润滑油样本,所述润滑油的状态数据包括:润滑油的粘度和颗粒度,利用颗粒计数传感器监测润滑油样本的颗粒度,所述颗粒度包括高颗粒浓度和中颗粒浓度;
在齿轮箱中安装粘度检测器,在每个采样时间利用粘度检测器检测润滑油的粘度;
所述获取齿轮箱的主轴转速,利用齿轮箱的运行温度、振动数据和润滑油的状态数据计算得到齿轮箱的磨损参数的具体方法为:
记录齿轮箱未运行时的初始运行温度为,获取第i个采样时间齿轮箱内不同部位的运行温度中的最大值,得到最大运行温度,计算最大运行温度和初始运行温度之间的差值,得到金属升温;
其中,金属升温为最大运行温度和初始运行温度之间的差值,表示第i个采样时间的最大运行温度与初始运行温度之间的温差;
所述金属升温的计算公式为:;
记录润滑油的初始粘度,根据粘度检测器检测得到第i个采样时间润滑油的粘度,将粘度与初始粘度进行比值计算得到润滑油的相对粘度;
通过电机控制器获取齿轮箱第i个采样时间的的主轴转速;
根据齿轮箱的振动数据得到第i个采样时间的振动加速度,根据从历史时间到当前的N次采样,获得N个振动加速度,计算得到振动加速度的均方根值,所述均方根值的计算公式为:;
根据颗粒计数传感器监测得到润滑油内的高颗粒浓度为,中颗粒浓度为;
根据润滑油的颗粒度和相对粘度、齿轮箱的金属升温、主轴转速、振动加速度的均方根值计算得到齿轮箱的磨损参数;
所述齿轮箱的磨损参数的计算公式为:,其中,α为比例系数,β为振动拟合参数,ζ为转速拟合参数,θ为粘度拟合参数。
7.一种电子设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,以实现如权利要求1-5任一项所述的一种风电齿轮箱润滑结构预警与寿命管理方法中的步骤。
8.一种可读存储介质,其特征在于,所述可读存储介质存储有计算机程序,所述计算机程序适于处理器进行加载,以执行如权利要求1-5任一项所述的一种风电齿轮箱润滑结构预警与寿命管理方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410559092.0A CN118128715B (zh) | 2024-05-08 | 2024-05-08 | 一种风电齿轮箱润滑结构预警与寿命管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410559092.0A CN118128715B (zh) | 2024-05-08 | 2024-05-08 | 一种风电齿轮箱润滑结构预警与寿命管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118128715A CN118128715A (zh) | 2024-06-04 |
CN118128715B true CN118128715B (zh) | 2024-06-28 |
Family
ID=91240928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410559092.0A Active CN118128715B (zh) | 2024-05-08 | 2024-05-08 | 一种风电齿轮箱润滑结构预警与寿命管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118128715B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102808732A (zh) * | 2011-05-31 | 2012-12-05 | 通用电气公司 | 监测风力涡轮机齿轮箱的油的状态的方法 |
CN104697787A (zh) * | 2015-03-20 | 2015-06-10 | 山东大学 | 一种基于多信息融合的变速箱试验台架及其检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106197996A (zh) * | 2016-06-24 | 2016-12-07 | 南京理工大学 | 基于多元数据的海上起重机齿轮箱故障诊断装置及方法 |
CN117370879A (zh) * | 2023-08-30 | 2024-01-09 | 国家能源集团龙源江永风力发电有限公司 | 一种风力机齿轮箱的实时在线故障诊断方法及系统 |
-
2024
- 2024-05-08 CN CN202410559092.0A patent/CN118128715B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102808732A (zh) * | 2011-05-31 | 2012-12-05 | 通用电气公司 | 监测风力涡轮机齿轮箱的油的状态的方法 |
CN104697787A (zh) * | 2015-03-20 | 2015-06-10 | 山东大学 | 一种基于多信息融合的变速箱试验台架及其检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN118128715A (zh) | 2024-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111597682B (zh) | 预测风力机齿轮箱轴承剩余寿命的方法 | |
US10527520B2 (en) | Operating wind motors and determining their remaining useful life | |
US7457785B1 (en) | Method and apparatus to predict the remaining service life of an operating system | |
KR101948604B1 (ko) | 센서 군집화 기반의 설비 건강 모니터링 방법 및 장치 | |
CN105205569B (zh) | 风机齿轮箱状态在线评估模型建立方法及在线评估方法 | |
US10753242B2 (en) | Systems and methods for performing a condition-based maintenance of an engine | |
WO2018044507A1 (en) | Machine learning-aided model-based method for estimating gas turbine component life | |
CN112257943A (zh) | 一种基于mset和偏离度的电厂引风机故障预警方法 | |
CN118128715B (zh) | 一种风电齿轮箱润滑结构预警与寿命管理方法 | |
CN113007040B (zh) | 风电机组主轴总成窜动在线监测与故障预警系统及方法 | |
CN117111446B (zh) | 一种磁悬浮飞轮电机模糊pid控制优化方法 | |
CN117668554A (zh) | 一种基于实时监测数据的调相机油品性能退化预测方法 | |
KR20130065844A (ko) | 지능형 빌딩 에너지 설비 효율 관리 시스템 및 그 방법 | |
CN111192163B (zh) | 基于风电机组运行数据的发电机可靠度中短期预测方法 | |
CN116878886A (zh) | 一种用于冷却塔水泵轴承磨损的监测方法 | |
JP2023155219A (ja) | システム内の欠陥を識別するための方法 | |
CN112112792B (zh) | 电动给水泵组状态检修方法、系统以及终端 | |
Zhang | Comparison of data-driven and model-based methodologies of wind turbine fault detection with SCADA data | |
Gray et al. | A practical approach to the use of scada data for optimized wind turbine condition based maintenance | |
Wang et al. | Maintenance decision based on data fusion of aero engines | |
CN112083704A (zh) | 化工装置控制回路性能定量评估方法、机器可读存储介质 | |
CN112597637A (zh) | 一种舵系统健康状态评估方法 | |
RU2648413C1 (ru) | Способ управления режимами на основе нейросетевого диагностирования неисправностей и технического состояния электроприводного газоперекачивающего агрегата | |
CN117697464B (zh) | 一种高精度数控机床的控制方法及系统 | |
CN117347091B (zh) | 一种风电齿轮箱润滑冷却功能性测试系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |