基于数据驱动的齿轮箱剩余寿命预测方法研究

• 作 者: 张岩
• 出 处: 太原科技大学
• 发表日期: 2004年期
• 关键词: 剩余寿命预测 齿轮箱 数据驱动 核密度估计 Copula函数

随着能源危机和环境污染问题的日益严重,风力发电作为一种绿色能源,得到了迅速发展。齿轮箱作为风力发电机组的一个关键部件,其工作性能直接影响风力发电机组的寿命。因此,对齿轮箱的剩余寿命做出预测,进而制定合理有效的维修方案,对风力发电机组意义重大。其中,齿轮箱的剩余寿命预测是重点和难点。对齿轮箱剩余寿命的精准预测,能够提高风电机组的可靠性和使用寿命。齿轮箱故障机理复杂,制造成本高昂,难以进行大量寿命试验。因此,基于物理模型的预测方法难以应用。然而,齿轮箱在运行过程中产生大量蕴含齿轮箱寿命信息的状态退化数据。因此,基于数据驱动的预测方法被广泛应用于齿轮箱的剩余寿命预测。本文利用从齿轮箱中齿轮的疲劳寿命试验所获取的振动数据表征齿轮箱的退化状态,通过基于核密度估计和随机滤波理论相结合的预测方法,根据故障阈值预测齿轮箱的剩余寿命。主要工作和研究成果如下:(1)提出了一种单退化量下的剩余寿命预测方法。首先,在分析齿轮箱寿命的影响因素基础上,选取齿轮的振动加速度信号和噪声信号作为表征齿轮箱的退化状态数据;然后,采用基于核密度估计和随机滤波理论结合的方法建立单退化量下的剩余寿命预测模型。该方法利用从数据本身出发的核密度估计方法对齿轮箱连续退化状态的概率密度函数进行非参数估计,得到齿轮箱退化状态的概率密度函数;再利用状态监测数据来更新随机滤波递推模型参数,从而预测齿轮箱的剩余寿命。并通过齿轮的试验验证了该方法的有效性。(2)提出了一种基于Copula函数的多退化量下的剩余寿命预测方法。该方法利用Copula函数表示齿轮箱的振动加速度和噪声之间的随机相关性,由各单退化量下的剩余寿命的边缘分布函数,求得齿轮箱剩余寿命的联合分布函数,从而得到齿轮箱剩余寿命预测值。并且验证了该方法的有效性和可行性。