[發明專利]風機軸承振動的報警方法及其裝置

在審

• 申請號: 202211510248.3
• 申請日: 2022-11-29
• 公開（公告）號: CN115791180A
• 公開（公告）日: 2023-03-14
• 發明（設計）人: 王鴻策;郭楠;申旭輝;陳國武;湯海雁;李錚;孫財新;潘霄峰;楊海龍;閆永昌;王德志;蔡鵬飛;任曉馗;郝健強
• 申請（專利權）人: 華能隴東能源有限責任公司;中國華能集團清潔能源技術研究院有限公司
• 主分類號: G01M13/045
• 分類號: G01M13/045
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 宋合成

本申請提出了一種風機軸承振動的報警方法及其裝置，涉及風電機組技術領域，通過獲取風電機組軸承振動的歷史樣本數據，歷史樣本數據包括歷史時域曲線、歷史振動加速度有效值、歷史峭度指標、歷史包絡有效值、歷史振動速度有效值的報警實測值和報警閾值；根據歷史樣本數據對預先構建的初始混合模型進行訓練得到訓練好的目標混合模型；獲取風電機組軸承振動的實時數據，將實時數據輸入至目標混合模型，得到風電機組軸承的振動報警結果，其中實時數據包括實時時域信號、實時振動加速度有效值、實時峭度指標、實時包絡有效值和實時振動速度有效值。本申請所建立的輸入參數與目標參數之間的邏輯關系更精確可靠，能夠減少風機軸承振動的誤報警的次數。

技術領域

本申請涉及風電機組技術領域，尤其涉及一種風機軸承振動的報警方法及其裝置。

背景技術

風機軸承在風電機組中屬于關鍵的構成部分，滾動軸承故障診斷包括數據采集、預處理、特征提取和故障分類等，其中特征提取和故障分類對診斷結果起到關鍵作用。傳統故障診斷技術需依賴于專家和技術人員對采集的數據進行多步驟繁瑣的人工特征提取，無法滿足大數據時代的要求，傳統BP神經網絡，K相鄰法等進行的故障軸承診斷，雖然具有一定的非線性擬合能力，但因其淺層的網絡結構難以提取到深層的特征信息而降低滾動軸承故障診斷準確率。

發明內容

本申請旨在至少在一定程度上解決相關技術中的技術問題之一。

為此，本申請的一個目的在于提出一種風機軸承振動的報警方法，通過獲取風電機組軸承振動的歷史樣本數據，歷史樣本數據包括歷史時域曲線、歷史振動加速度有效值、歷史峭度指標、歷史包絡有效值、歷史振動速度有效值的報警實測值和報警閾值；根據歷史樣本數據對預先構建的初始混合模型進行訓練，得到訓練好的目標混合模型；獲取風電機組軸承振動的實時數據，將實時數據輸入至目標混合模型，得到風電機組軸承的振動報警結果，其中實時數據包括實時時域信號、實時振動加速度有效值、實時峭度指標、實時包絡有效值和實時振動速度有效值。

本申請的第二個目的在于提出一種風機軸承振動的報警裝置。

本申請的第三個目的在于提出一種電子設備。

本申請的第四個目的在于提出一種非瞬時計算機可讀存儲介質。

本申請的第五個目的在于提出一種計算機程序產品。

為達上述目的，本申請第一方面實施例提出了一種風機軸承振動的報警方法，包括：獲取風電機組軸承振動的歷史樣本數據，歷史樣本數據包括歷史時域曲線、歷史振動加速度有效值、歷史峭度指標、歷史包絡有效值、歷史振動速度有效值的報警實測值和報警閾值；根據歷史樣本數據對預先構建的初始混合模型進行訓練，得到訓練好的目標混合模型；獲取風電機組軸承振動的實時數據，將實時數據輸入至目標混合模型，得到風電機組軸承的振動報警結果，其中實時數據包括實時時域信號、實時振動加速度有效值、實時峭度指標、實時包絡有效值和實時振動速度有效值。

本申請根據目標混合模型所建立的輸入參數與目標參數之間的邏輯關系更加精確可靠，可以實現對風電機組軸承振動故障的捕獲和對不同故障類型的識別，從而能夠減少風機軸承振動的誤報警的次數。

根據本申請的一個實施例，將歷史樣本數據輸入到初始混合模型的輸入層，通過輸入層得到訓練樣本各自對應的輸入向量；將輸入向量輸入到卷積神經網絡層，并對輸入向量進行特征提取，以篩選出目標特征向量；獲取目標特征向量，將目標特征向量輸入長短期時間記憶網絡層，以提取目標特征向量各自對應的特征關系；將目標特征向量各自對應的特征關系輸入到注意力層中，并根據注意力層中特征關系的注意力權重參數值，對特征關系進行篩選，以得到輸出向量；將輸出向量輸入到輸出層，并輸出報警預測值。