【技术实现步骤摘要】
本公开涉及数据处理，尤其涉及一种基于通道融合卷积神经网络的风机传动轴寿命预测方法。
技术介绍
1、伴随着风机装机容量的快速增加，风机事故也逐渐频发。据统计，在多发的风机事故中，风机传动轴断裂失效是导致风机事故的主要原因之一。一旦风机发生故障，难以及时对风机进行维修，给企业造成巨大经济损失，因此建立风机传动轴剩余寿命预测模型，对于风电企业的长期发展具有重要意义。
2、相关技术中，主要通过分析设备机械结构属性特征，结合现有的相关部件疲劳损伤计算公式对风机设备进行疲劳寿命计算。
3、这种方式下，没有考虑设备实际的工作环境的多边形，且机械结构内部机制并不相同，因此，寿命计算结果准确性较差。
技术实现思路
1、本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
2、为此，本公开的目的在于提出一种基于通道融合卷积神经网络的风机传动轴寿命预测方法，能够监测风机传动轴损伤状态以及损伤演化趋势，有效提升寿命计算结果的准确性，有效实现传动轴剩余寿命预测，进而实现风机传
【技术保护点】
1.一种基于通道融合卷积神经网络的风机传动轴寿命预测方法，包括：
2.如权利要求1所述的方法，其特征在于，所述对所述运行数据进行数据预处理，生成传动轴数据集，将所述传动轴数据集划分为训练样本集与测试样本集，包括：
3.如权利要求2所述的方法，其特征在于，所述建立初始神经网络模型，包括：
4.如权利要求3所述的方法，其特征在于，所述根据所述训练样本集对所述初始神经网络模型进行训练处理，得到目标神经网络模型，包括：
5.如权利要求4所述的方法，其特征在于，所述根据所述卷积自编码模型结构与所述通道融合结构，对所述训练样本集进行...
【技术特征摘要】
1.一种基于通道融合卷积神经网络的风机传动轴寿命预测方法，包括：
2.如权利要求1所述的方法，其特征在于，所述对所述运行数据进行数据预处理，生成传动轴数据集，将所述传动轴数据集划分为训练样本集与测试样本集，包括：
3.如权利要求2所述的方法，其特征在于，所述建立初始神经网络模型，包括：
4.如权利要求3所述的方法，其特征在于，所述根据所述训练样本集对所述初始神经网络模型进行训练处理，得到目标神经网络模型，包括：
5.如权利要求4所述的方法，其特征在于，所述根据所述卷积自编码模型结构与所述通道融合结构，对所述训练样本集进行特征提取，输出特...
【专利技术属性】
技术研发人员：孙晓彦，董得志，宋羽佳，陈修高，孙浩，
申请(专利权)人：国家电投集团科学技术研究院有限公司，
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。