【技术实现步骤摘要】
本公开涉及风力发电，更具体地，本公开涉及一种轴承寿命预测方法及装置。
技术介绍
1、现有轴承寿命预测方法，主要分为两类，第一类基于深度学习神经网络的方法，能够自动提取特征，但特征的物理意义不明确，难以判断特征与反应寿命的必然联系，另外，深度学习模型的过拟合问题无法彻底解决。第二类，基于轴承信号特征值与回归模型组合的方法，但固定的单一或少量的特征值在各种场景和工况下，难以真实有效反应轴承的寿命状态。
2、无论何种模型，应对不同轴承本身特性，加之在各种工况下的差异性，都存在泛化性差，落地难的问题。有两个技术难点需要突破，一是构建能够反应轴承寿命的特征值，二是构建高泛化性的预测模型。
技术实现思路
1、本公开的示例性实施例在于提供一种轴承寿命预测方法及装置，以提高轴承寿命预测效果。
2、根据本公开的示例性实施例，提供一种轴承寿命预测方法，包括：确定从目标轴承磨损开始的运行时间；将所述运行时间输入到轴承寿命预测模型，预测所述目标轴承在所述运行时间的寿命特征预测值；将所述寿命特征预测值与预定阈值进行比较；基于比较结果确定所述目标轴承的剩余寿命。
3、可选地，所述基于比较结果确定所述目标轴承的剩余寿命，可包括：当所述比较结果不满足预定条件时，基于预定步长和所述运行时间确定后续运行时间；预测所述目标轴承在所述后续运行时间的后续寿命特征预测值；将所述后续寿命特征预测值与所述预定阈值进行比较；当后续比较结果不满足所述预定条件时，基于所述预定步长对所述后续运行时间进
4、可选地，在所述将所述运行时间输入到轴承寿命预测模型之前，所述方法还可包括：构建所述轴承寿命预测模型，其中，所述构建所述轴承寿命预测模型，包括：基于预定的与轴承寿命有关的特征，分别从多个训练数据集获取与轴承寿命有关的特征数据，从而得到多个特征数据集，其中，所述多个训练数据集中的每个训练数据集分别包括多个训练轴承中的一个训练轴承的历史数据，所述多个训练数据集与所述多个特征数据集一一对应；分别基于所述多个特征数据集中的每个特征数据集构建轴承寿命子模型，从而得到多个轴承寿命子模型；基于所述多个轴承寿命子模型和每个轴承寿命子模型的初始权重来构建所述轴承寿命预测模型。
5、可选地，所述多个特征数据集中的每个特征数据集可分别包括所述多个训练轴承中的一个训练轴承的与轴承寿命有关的特征数据。
6、可选地，所述预定的与轴承寿命有关的特征可包括以下特征中的至少一个：轴承的振动频率的第一频带的能量、轴承的振动频率的第二频带的频率聚集程度、轴承的振动频率的第三频带的主频带位置。
7、可选地，所述分别基于所述多个特征数据集中的每个特征数据集构建轴承寿命子模型，可包括：通过分别对所述多个特征数据集中的每个特征数据集进行高阶多项式回归拟合操作，来构建轴承寿命子模型。
8、可选地，在分别从多个训练数据集获取与轴承寿命有关的特征数据之前，所述方法还可包括：基于轴承的多个特征确定与轴承寿命有关的特征，从而得到所述预定的与轴承寿命有关的特征。
9、可选地，在所述多个轴承寿命子模型中的每个轴承寿命子模型中，自变量可以为从轴承磨损开始的运行天数，因变量可以为轴承寿命曲线，所述轴承寿命曲线看由所述特征数据与对应的标准值之间的距离来表征。
10、可选地，在所述构建所述轴承寿命预测模型之后，所述方法还可包括：对所述轴承寿命预测模型进行训练，其中，所述对所述轴承寿命预测模型进行训练，包括：确定从所述目标轴承磨损开始的运行时间；将所述运行时间输入到所述轴承寿命预测模型，预测所述目标轴承在所述运行时间的寿命特征预测值；基于所述目标轴承的目标数据确定所述目标轴承的寿命特征值；基于所述寿命特征预测值和所述寿命特征值，确定所述轴承寿命预测模型的预测损失；基于所述预测损失对所述轴承寿命预测模型的参数进行调整，其中，所述轴承寿命预测模型的参数包括所述轴承寿命预测模型中的每个轴承寿命子模型的权重。
11、可选地，所述基于所述预测损失对所述轴承寿命预测模型的参数进行调整，可包括：基于所述预测损失进行反向传播，得到所述轴承寿命预测模型的参数梯度；基于所述参数梯度调整所述轴承寿命预测模型的每个轴承寿命子模型的权重。
12、可选地，所述基于所述目标轴承的目标数据确定所述目标轴承的寿命特征值，可包括：基于预定的与轴承寿命有关的特征，从所述目标数据获取与轴承寿命有关的特征数据；确定所述特征数据与对应的标准值之间的距离；基于所述距离确定所述寿命特征值。
13、可选地，所述预定的与轴承寿命有关的特征可包括以下特征中的至少一个：轴承的振动频率的第一频带的能量、轴承的振动频率的第二频带的频率聚集程度、轴承的振动频率的第三频带的主频带位置。
14、根据本公开的示例性实施例，提供一种轴承寿命预测装置，包括：时间确定单元，被配置为确定从目标轴承磨损开始的运行时间；特征预测单元，被配置为将所述运行时间输入到轴承寿命预测模型，预测所述目标轴承在所述运行时间的寿命特征预测值；阈值比较单元，被配置为将所述寿命特征预测值与预定阈值进行比较；和寿命确定单元，被配置为基于比较结果确定所述目标轴承的剩余寿命。
15、可选地，所述寿命确定单元可被配置为：当所述比较结果不满足预定条件时，基于预定步长和所述运行时间确定后续运行时间；预测所述目标轴承在所述后续运行时间的后续寿命特征预测值；将所述后续寿命特征预测值与所述预定阈值进行比较；当后续比较结果不满足所述预定条件时，基于所述预定步长对所述后续运行时间进行更新，跳转至预测所述目标轴承在所述后续运行时间的后续寿命特征预测值的步骤操作；当所述后续比较结果满足所述预定条件时，基于所述运行时间和所述后续运行时间确定所述目标轴承的剩余寿命。
16、可选地，所述装置还可包括：模型构建单元，被配置为构建所述轴承寿命预测模型，其中，所述模型构建单元可被配置为：基于预定的与轴承寿命有关的特征，分别从多个训练数据集获取与轴承寿命有关的特征数据，从而得到多个特征数据集，其中，所述多个训练数据集中的每个训练数据集分别包括多个训练轴承中的一个训练轴承的历史数据，所述多个训练数据集与所述多个特征数据集一一对应；分别基于所述多个特征数据集中的每个特征数据集构建轴承寿命子模型，从而得到多个轴承寿命子模型；基于所述多个轴承寿命子模型和每个轴承寿命子模型的初始权重来构建所述轴承寿命预测模型。
17、可选地，所述多个特征数据集中的每个特征数据集可分别包括所述多个训练轴承中的一个训练轴承的与轴承寿命有关的特征数据。
18、可选地，所述预定的与轴承寿命有关的特征可包括以下特征中的至少一个：轴承的振动频率的第一频带的能量、轴承的振动频率的第二频带的频率聚集程度、轴承的振动频率的第三频本文档来自技高网...
【技术保护点】
1.一种轴承寿命预测方法，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于比较结果确定所述目标轴承的剩余寿命，包括：
3.根据权利要求1所述的方法，其特征在于，在所述将所述运行时间输入到轴承寿命预测模型之前，还包括：
4.根据权利要求3所述的方法，其特征在于，所述多个特征数据集中的每个特征数据集分别包括所述多个训练轴承中的一个训练轴承的与轴承寿命有关的特征数据。
5.根据权利要求3所述的方法，其特征在于，所述预定的与轴承寿命有关的特征包括以下特征中的至少一个：轴承的振动频率的第一频带的能量、轴承的振动频率的第二频带的频率聚集程度、轴承的振动频率的第三频带的主频带位置。
6.根据权利要求3所述的方法，其特征在于，所述分别基于所述多个特征数据集中的每个特征数据集构建轴承寿命子模型，包括：
7.根据权利要求3所述的方法，其特征在于，在分别从多个训练数据集获取与轴承寿命有关的特征数据之前，还包括：
8.根据权利要求3所述的方法，其特征在于，在所述多个轴承寿命子模型中的每个轴承寿命子模型中，自变量
9.根据权利要求3所述的方法，其特征在于，在所述构建所述轴承寿命预测模型之后，还包括：
10.根据权利要求9所述的方法，其特征在于，所述基于所述预测损失对所述轴承寿命预测模型的参数进行调整，包括：
11.根据权利要求9所述的方法，其特征在于，所述基于所述目标轴承的目标数据确定所述目标轴承的寿命特征值，包括：
12.根据权利要求11所述的方法，其特征在于，所述预定的与轴承寿命有关的特征包括以下特征中的至少一个：轴承的振动频率的第一频带的能量、轴承的振动频率的第二频带的频率聚集程度、轴承的振动频率的第三频带的主频带位置。
13.一种轴承寿命预测装置，包括：
14.根据权利要求13所述的装置，其特征在于，所述寿命确定单元被配置为：
15.根据权利要求13所述的装置，其特征在于，还包括：
16.根据权利要求15所述的装置，其特征在于，所述多个特征数据集中的每个特征数据集分别包括所述多个训练轴承中的一个训练轴承的与轴承寿命有关的特征数据。
17.根据权利要求15所述的装置，其特征在于，所述预定的与轴承寿命有关的特征包括以下特征中的至少一个：轴承的振动频率的第一频带的能量、轴承的振动频率的第二频带的频率聚集程度、轴承的振动频率的第三频带的主频带位置。
18.根据权利要求15所述的装置，其特征在于，所述模型构建单元被配置为：
19.根据权利要求15所述的装置，其特征在于，所述模型构建单元还被配置为：
20.根据权利要求15所述的装置，其特征在于，在所述多个轴承寿命子模型中的每个轴承寿命子模型中，自变量为从轴承磨损开始的运行天数，因变量为轴承寿命曲线，所述轴承寿命曲线由所述特征数据与对应的标准值之间的距离来表征。
21.根据权利要求15所述的装置，其特征在于，还包括：
22.根据权利要求21所述的装置，其特征在于，所述模型训练单元被配置为：
23.根据权利要求21所述的装置，其特征在于，所述模型训练单元被配置为：
24.根据权利要求23所述的装置，其特征在于，所述预定的与轴承寿命有关的特征包括以下特征中的至少一个：轴承的振动频率的第一频带的能量、轴承的振动频率的第二频带的频率聚集程度、轴承的振动频率的第三频带的主频带位置。
25.一种存储有计算机程序的计算机可读存储介质，其中，当所述计算机程序被处理器执行时，实现权利要求1至12中任一项所述的方法。
26.一种计算装置，包括：
...【技术特征摘要】
1.一种轴承寿命预测方法，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于比较结果确定所述目标轴承的剩余寿命，包括：
3.根据权利要求1所述的方法，其特征在于，在所述将所述运行时间输入到轴承寿命预测模型之前，还包括：
4.根据权利要求3所述的方法，其特征在于，所述多个特征数据集中的每个特征数据集分别包括所述多个训练轴承中的一个训练轴承的与轴承寿命有关的特征数据。
5.根据权利要求3所述的方法，其特征在于，所述预定的与轴承寿命有关的特征包括以下特征中的至少一个：轴承的振动频率的第一频带的能量、轴承的振动频率的第二频带的频率聚集程度、轴承的振动频率的第三频带的主频带位置。
6.根据权利要求3所述的方法，其特征在于，所述分别基于所述多个特征数据集中的每个特征数据集构建轴承寿命子模型，包括：
7.根据权利要求3所述的方法，其特征在于，在分别从多个训练数据集获取与轴承寿命有关的特征数据之前，还包括：
8.根据权利要求3所述的方法，其特征在于，在所述多个轴承寿命子模型中的每个轴承寿命子模型中，自变量为从轴承磨损开始的运行天数，因变量为轴承寿命曲线，所述轴承寿命曲线由所述特征数据与对应的标准值之间的距离来表征。
9.根据权利要求3所述的方法，其特征在于，在所述构建所述轴承寿命预测模型之后，还包括：
10.根据权利要求9所述的方法，其特征在于，所述基于所述预测损失对所述轴承寿命预测模型的参数进行调整，包括：
11.根据权利要求9所述的方法，其特征在于，所述基于所述目标轴承的目标数据确定所述目标轴承的寿命特征值，包括：
12.根据权利要求11所述的方法，其特征在于，所述预定的与轴承寿命有关的特征包括以下特征中的至少一个：轴承的振动频率的第一频带的能量、轴承的振动频率的第二频带的频率聚集程度、轴承的振动频率的第三...
【专利技术属性】
技术研发人员：吴文亮，骆满旺，
申请(专利权)人：北京金风慧能技术有限公司，
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。