[发明专利]一种用于海上风电齿轮箱剩余寿命预测的试验装置及方法在审

专利信息
申请号: 202210316996.1 申请日: 2022-03-29
公开(公告)号: CN114705417A 公开(公告)日: 2022-07-05
发明(设计)人: 唐文献;陆杨;孙祥;李硕德;李群峰;周志凯 申请(专利权)人: 江苏科技大学
主分类号: G01M13/021 分类号: G01M13/021;G01M13/028;G06F30/17;G06F30/27;G06N3/04;G06N3/08;G06F119/04
代理公司: 南京苏高专利商标事务所(普通合伙) 32204 代理人: 郭楠
地址: 212008 *** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 用于 海上 齿轮箱 剩余 寿命 预测 试验装置 方法
【权利要求书】:

1.一种用于海上风电齿轮箱剩余寿命预测的试验装置,其特征在于:包括齿轮箱振动模块(1)、振动信号放大器(2)和底座(3);

所述齿轮箱振动模块(1)包括行星齿轮箱(1a)、输入轴联轴器(1b)、配重物(1c)、驱动电机(1d)和温度传感器;

所述振动信号放大器(2)包括加速度传感器(2a)、传动杆(2b)和输出轴联轴器(2d);

所述振动信号放大器(2)通过输出轴联轴器(2d)与行星齿轮箱(1a)连接。

2.一种对海上风电齿轮箱剩余寿命预测的方法,其特征在于:采用如权利要求1所述的用于海上风电齿轮箱剩余寿命预测的试验装置来预测,所述方法包括以下步骤:

(1)在行星齿轮箱(1a)内安装温度传感器并加注冷却液,利用蓝牙将温度传感器与计算机连接;

(2)将加速度传感器(2a)与计算机连接进行测量;

(3)将负载挂载于输入轴联轴器(1b)上;

(4)启动驱动电机(1d)并调整转速至计算的转速值,其中驱动电机的转速公式为n=9550P/T,P是驱动电机的输出功率,T为驱动电机扭矩,此处驱动电机扭矩T与模拟实际负载相同;

(5)记录并保存加速度传感器(2a)测得的数据和温度传感器测得的数据;

(6)利用卷积神经网络进行特征提取,对同一时间下的加速度传感器(2a)产的加速度数据与温度传感器产生的温度数据进行数据融合,构建寿命预测数据集;

(7)利用长短期记忆神经网络构建深度学习剩余寿命预测模型,选择网络层数、学习率、批次与迭代次数进行训练,直至剩余寿命预测模型输出的剩余寿命预测值与真实寿命之间的平均相对误差低于10%。

3.根据权利要求2所述的对海上风电齿轮箱剩余寿命预测的方法,其特征在于:步骤(2)中,加速度传感器的测量值

其中,F代表作用力,l代表传动杆的长度,EI是传动杆的材料的抗弯刚度,t是加速度传感器的记录一次数据的时间。

4.根据权利要求2所述的对海上风电齿轮箱剩余寿命预测的方法,其特征在于:步骤(6)的具体过程为:

(6.1)对加速度传感器产生的加速度数据、温度传感器产生的温度数据按照行顺序(1,2,3,...,i)编号,列顺序(1,2,3,...,j)编号,将加速度数据和温度数据构建为一个矩阵Mij,再进行归一化处理;

(6.2)将归一化后的数据构建成数据集P=[xij];

(6.3)构建2层卷积层和2层最大池化层,并以卷积层1、最大池化层1、卷积层2、最大池化层2排列;

(6.4)将步骤(6.2)中构建的数据集P作为输入,得到加速度传感器数据和温度传感器数据融合后的特征矩阵Ht=[ht1,ht2,...,hti]。

5.根据权利要求4所述的对海上风电齿轮箱剩余寿命预测的方法,其特征在于:步骤(6.1)中,归一化处理采用0均值归一,按照下述式子进行处理:其中xij表示第i行、第j列的归一化后的数据,mij为第i行,第j列收集到的样本数据,mj均表示为第j列对应的数据的均值,σj标准差表示第j列对应的数据的标准差。

6.根据权利要求4所述的对海上风电齿轮箱剩余寿命预测的方法,其特征在于:步骤(7)中,所述深度学习剩余寿命预测模型的输入层为步骤(6.4)中的特征矩阵Ht=[ht1,ht2,...,hti]。

7.根据权利要求2所述的对海上风电齿轮箱剩余寿命预测的方法,其特征在于:步骤(7)中,所述剩余寿命预测模型包括输入层、隐藏层和输出层;所述隐藏层包括遗忘门、输入门和输出门。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏科技大学,未经江苏科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210316996.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top