CN114813105B 一种基于工况相似性评估的齿轮箱故障预警方法及系统 （西安热工研究院有限公司）

WO2022011754A1,2022.01.20.2017,第32卷第86-90页.KeFeng等.Aphaseanglfaultsdiagnosticsundernon一种基于工况相似性评估的齿轮箱故障预本发明公开了一种基于工况相似性评估的况或相近工况下历史监测数据与当前监测数据条件和不同工况下的齿轮箱运行监测数据均能2析矩阵，选取待分析的目标监测参量并按从大到小的顺序进行排序，取排序后前a％的数e]jS3、当步骤S2目标监测参量不存在异常时，从S401、根据历史最相近工况下目标监测参量的状abnor<δ,Nabnor为历dnornor为正常状态下目标监测参量数据的相近度均值，当前时刻S5、重复步骤S1～S4，分别建立齿轮箱油液温度预]3S302、根据实时监测数据建立相对于齿轮箱目标监测参量的当前工况步骤S301得到的齿轮箱前m天和后m天的所有历史运行监测数据建立相对于齿轮箱目标监S304、对当前工况下的每一条数据，计算每一条S305、获取步骤S304得到的相近度向量中最小S306、根据步骤S305确定的历史工况数据，获S307、根据步骤S301～S306获取所有与当前工况jo)具体为：o)为所有当前时刻油液温度数据与历史最相近工况下油液温4abnor(k)为异常状态下第k个目标监测参量数据的相近度均值，Nabnor(k)为第k个目标监测参量在历史工况下油液温度数据中异常数据的个数，N为齿轮箱分析e]j计算模块，当判断模块目标监测参量不存在异常时根据历史最相近工况下目标监测参量的状态5nor6势分析的方法对风电机组齿轮箱进行运行状态监测。利用非线性状态估计(nonlinearstateestimatetechnology,NSET)方法建立齿轮箱正常工作状态下的温度模型并用其进齿轮箱温度数据进行状态监测，通过筛选出机组正常运行状态下的有效数据进行模型训关变量的内在非线性模型。文献4采用神经网络模型多层感知机建立齿轮箱正常工作状态提出了基于增量代价敏感支持向量机(ICSVM)的齿轮箱故障预警方法，建立了以误差分类代价最小化为目标的代价敏感支持向量机模型用于对齿轮箱故障预警。文献6利用数据采度参数设定阂值，采用MultiAgent系统对不同部件的诊断结果进行了综合分析来进行故[0004]从上面的分析可以看出，目前基于SCADA数据的齿轮箱故障预警大多采用非线性78[0028]S302、根据实时监测数据建立相对于齿轮箱目标监测参量的当利用步骤S301得到的齿轮箱前m天和后m天的所有历史运行监测数据建立相对于齿轮箱目[0029]S303、对步骤S302建立的当前工况数据矩阵和历史工况数据矩阵进行归一化处[0034]S308、计算当前时刻目标监测参量与历史最相近工况下目标监测参量间的相近Nabnor为历史工况下的油液温度数据中异常数据的个数，N为齿轮箱分析矩阵的数据个数，标监测参量异常预警；若并且dabnor(to)≥δ,当前时刻目标监测参量正常；若9nor为历史工况下的油液温度数据中异常数据的个数，N为齿轮箱分析矩阵的数据个数，dabnor历史数据的状态信息和历史数据与当前监测数据间的相近度即可准确辨识出各种工况下不同环境条件和不同工况下的齿轮箱运行监测数析在同工况或相近工况下历史监测数据与当前监测数据间的相近度来实现齿轮箱监测参…toN[0091]S3、从齿轮箱历史运行监测数据中获取与当前所分析时刻最为并计算当前所分析时刻油液温度数据与历史最相近工况下油[0095]S302、建立相对于齿轮箱油液温度的当前工况数据矩阵Cwc和历史工况数据矩阵[0098]其中，为相对于齿轮箱油液温度为相对于齿轮箱油液温度的第i条历史工况数据，即为齿[0104]S304、对于当前工况下的每一条数据计算与所有历史工况数据之间的相近度；[0109]其中，为与所有历史工况数据之间的相近度矩阵；况数据i(e,),该历史工况数据即为与当前工况数据最为相近的工况；[0113]S306、根据步骤S305所确定的与当前工况数据最相近的历史工况数据获取该历史工况下的油液温度数据to(j,zj)o[0142]本发明再一个实施例中，提供一种基于工况相似性评估的齿轮[0153]而在异常情况，当前油温数据与历史最相近工况下的油温数据的相近度相差较利用历史数据的状态信息和历史数据与当前监测数据间的相近度即可准确辨识出各种工现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中[0158]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特令装置的制造品，该指令装置实现在流程图