【技术实现步骤摘要】
本专利技术涉及风电机组，具体涉及一种风机齿轮箱寿命预测方法、装置、设备及存储介质。
技术介绍
1、齿轮箱是风力发电机的核心部件之一，由于复杂的工作环境以及承受随机变化的载荷，作为风电机组中发生故障最多的部件之一，齿轮箱一旦发生故障会产生相当大的维修成本，所以提出合理高效的风电机组齿轮箱维护方案是整个风力发电行业的重点与难点。其中，对风机齿轮箱的寿命进行预测又是重中之重，对合理预估风电场的经济成本和降低损失有着重要作用。
2、随着大数据的发展与计算科学技术的突飞猛进，基于数据驱动的机械设备寿命预测被广泛地应用在工程实际中，许多学者对其展开了研究。一部分学者根据疲劳载荷计算和运行趋势模拟对风机各部件的使用寿命进行预测。例如，赵洪山等人在“风机齿轮箱轴承状态评估与剩余寿命预测”中提出一种基于马尔科夫链的风机齿轮箱轴承状态评估和剩余寿命预测方法。安宗文等人运用概率加权法和线性miner累计损伤法则，得出齿轮箱高速端轴承动态接触应力分布曲线图，据此能够成功预测风力发电机齿轮箱输出端轴承剩余使用寿命。jaouher等人提出了简化模糊自适应共振理论的人工智能神经网络与威布尔分布(wd)相结合，避免时域信号的波动带来的影响，能够可靠地预测基于振动信号的齿轮箱轴承的可剩余寿命。另一部分学者则对风机齿轮箱整体寿命进行预测。孙磊等人提出了基于随机滤波的风电机齿轮箱回归模型，可以实现通过历史故障数据来实时监测系统的状态，从而预测出风电机齿轮箱的剩余寿命。christer.a.h等人提出非线性滤波方法来建立风电机齿轮箱的剩余寿命模型，并且通过
3、针对上述描述，现有技术未综合考虑风机的温度、电力输出以及入射风信号中可能存在的隐含因素对风机运行和损伤的信息，存在风机齿轮箱寿命预测不准确的缺陷。
技术实现思路
1、有鉴于此，本专利技术提供了一种风机齿轮箱寿命预测方法、装置、设备及存储介质，以解决风机齿轮箱寿命预测不准确的问题。
2、第一方面，本专利技术提供了一种风机齿轮箱寿命预测方法，所述方法包括：
3、获取风机齿轮箱的原始数据；
4、将所述风机齿轮箱的原始数据输入至预先构建好的特征提取模型中，提取隐藏在原始数据中的嵌入特征；
5、将所述嵌入特征输入至预先构建好的状态演化模型中，生成隐藏状态；
6、将所述隐藏状态输入至预先构建好的回归模型中，生成风机齿轮箱的寿命预测结果。
7、本专利技术提供的风机齿轮箱寿命预测方法，考虑了风机运行数据中的隐藏信息，使得预测结果更加准确。
8、在一种可选的实施方式中，特征提取模型包括：二维卷积神经网络、特征注意力单元、时间注意力单元及维度重塑单元，其中，
9、二维卷积神经网络对风机齿轮箱的原始数据进行分组卷积，生成中间变量，利用特征注意力映射函数，对中间变量依次经过特征注意力单元、时间注意力单元处理，并经维度重塑单元进行降维处理，生成一维的嵌入特征。
10、本专利技术提供的风机齿轮箱寿命预测方法，由于时间序列数据通常具有局部相关性，卷积结构可以通过卷积操作捕捉数据中局部相关性，从而通过有效的建模时间序列数据的特征。
11、在一种可选的实施方式中，特征注意力映射函数通过以下公式表示：
12、
13、其中，bi表示第i组原始数据xi经特征注意力映射函数的计算结果，表示中间变量，k表示卷积核的高度，mf表示特征注意力单元，mt表示时间注意力单元，⊙表示相乘符号。
14、在一种可选的实施方式中，维度重塑单元包括二维卷积层和二维池化层，其中，
15、特征注意力映射函数分别经二维卷积层和二维池化层后，将特征注意力映射函数的计算结果进行降维处理，生成一维的嵌入特征。
16、在一种可选的实施方式中，状态演化模型包括：注意力机制单元和改进门控递归单元，其中，
17、注意力机制单元用于生成注意力权重，注意力权重经改进门控递归单元进行处理，生成隐藏状态。
18、在一种可选的实施方式中，通过以下公式计算注意力权重：
19、
20、其中，αi表示注意力权重，e0表示初始循环周期的嵌入特征，表示周期循环的隐藏状态，||表示拼接操作，表示元素减法，att表示状态退化注意力函数。
21、在一种可选的实施方式中，通过以下公式计算隐藏状态：
22、
23、
24、其中，whh表示第一输入权重，whi表示第二输入权重，注意力更新门决定前一隐藏状态ht-1和候选隐藏状态的信息是否传递给当前隐藏状态ht，bh表示第一偏置，重置门rt决定丢弃信息的数量，xt表示输入的原始数据。
25、在一种可选的实施方式中，通过以下公式计算注意力更新门：
26、
27、其中，表示注意力更新门，zt表示改进门控递归单元的原始更新状态。
28、在一种可选的实施方式中，通过以下公式计算改进门控递归单元的原始更新状态：
29、zt＝(wzhht-1+zixt+z)
30、其中，wzh表示第三输入权重，wzi表示第四输入权重，bz表示第二偏置，σ表示sigmoid函数。
31、在一种可选的实施方式中，通过以下公式表示重置门：
32、rt＝(erhht-1+rixt+r)
33、其中，wrh表示第五输入权重，wri表示第六输入权重，br表示第三偏置。
34、在一种可选的实施方式中，回归模型包括两个并行的多层感知器，分别用于soh预测和rul预测。
35、在一种可选的实施方式中，所述原始数据包括：发电机转速、实时风速及电网电流。
36、第二方面，本专利技术提供了一种风机齿轮箱寿命预测装置，所述装置包括：
37、数据获取模块，用于获取风机齿轮箱的原始数据；
38、嵌入特征提取模块，用于将所述风机齿轮箱的原始数据输入至预先构建好的特征提取模型中，提取隐藏在原始数据中的嵌入特征；
39、隐藏状态生成模块，用于将所述嵌入特征输入至预先构建好的状态演化模型中，生成隐藏状态；
40、预测模块，用于将所述隐藏状态输入至预先构建好的回归模型中，生成风机齿轮箱的寿命预测结果。
41、第三方面，本专利技术提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的风机齿轮箱寿命预测方法。
42、第四方面，本专利技术提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的风机齿轮箱寿命预测方法。
本文档来自技高网...【技术保护点】
1.一种风机齿轮箱寿命预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，特征提取模型包括：二维卷积神经网络、特征注意力单元、时间注意力单元及维度重塑单元，其中，
3.根据权利要求2所述的方法，其特征在于，特征注意力映射函数通过以下公式表示：
4.根据权利要求2所述的方法，其特征在于，维度重塑单元包括二维卷积层和二维池化层，其中，
5.根据权利要求3所述的方法，其特征在于，状态演化模型包括：注意力机制单元和改进门控递归单元，其中，
6.根据权利要求5所述的方法，其特征在于，通过以下公式计算注意力权重：
7.根据权利要求6所述的方法，其特征在于，通过以下公式计算隐藏状态：
8.根据权利要求7所述的方法，其特征在于，通过以下公式计算注意力更新门：
9.根据权利要求8所述的方法，其特征在于，通过以下公式计算改进门控递归单元的原始更新状态：
10.根据权利要求9所述的方法，其特征在于，通过以下公式表示重置门：
11.根据权利要求1所述的方法，
12.根据权利要求1所述的方法，其特征在于，所述原始数据包括：发电机转速、实时风速及电网电流。
13.一种风机齿轮箱寿命预测装置，其特征在于，所述装置包括：
14.一种计算机设备，其特征在于，包括：
15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至12中任一项所述的风机齿轮箱寿命预测方法。
...【技术特征摘要】
1.一种风机齿轮箱寿命预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，特征提取模型包括：二维卷积神经网络、特征注意力单元、时间注意力单元及维度重塑单元，其中，
3.根据权利要求2所述的方法，其特征在于，特征注意力映射函数通过以下公式表示：
4.根据权利要求2所述的方法，其特征在于，维度重塑单元包括二维卷积层和二维池化层，其中，
5.根据权利要求3所述的方法，其特征在于，状态演化模型包括：注意力机制单元和改进门控递归单元，其中，
6.根据权利要求5所述的方法，其特征在于，通过以下公式计算注意力权重：
7.根据权利要求6所述的方法，其特征在于，通过以下公式计算隐藏状态：
8.根据权利要求7所述的方法，其特征在于，通过以下公式计...
【专利技术属性】
技术研发人员：苏营，陈欣，王乾，巩素梅，高远，刘凯腾，胡德鹏，顾颐，
申请(专利权)人：中国长江三峡集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。