【技術(shù)實現(xiàn)步驟摘要】
本申請涉及風(fēng)力發(fā)電機軸承故障診斷，具體地涉及一種基于梯度加權(quán)類激活熱力圖的風(fēng)機軸承診斷方法、一種基于梯度加權(quán)類激活熱力圖的風(fēng)機軸承診斷裝置及一種終端設(shè)備。
技術(shù)介紹
1、對于具有大尺寸柔性葉片的風(fēng)力發(fā)電機來說，發(fā)電機軸承是風(fēng)電機組中的關(guān)鍵部件之一，其對機組的穩(wěn)定運行起著至關(guān)重要的作用。然而，由于工作環(huán)境惡劣、載荷復(fù)雜多變等因素，發(fā)電機軸承容易出現(xiàn)故障，如裂紋、剝落、磨損等。這些故障不僅會影響機組的正常運行，還可能導(dǎo)致設(shè)備損壞、停機維修甚至安全事故的發(fā)生。傳統(tǒng)的風(fēng)電機組發(fā)電機軸承故障診斷方法主要包括振動分析、溫度監(jiān)測等。雖然這些方法在一定程度上能夠檢測軸承的故障，但往往存在靈敏度不高、準(zhǔn)確性不足、易受干擾等問題。特別是對于早期故障和隱蔽性故障，現(xiàn)有方法往往難以有效檢測。而隨著大數(shù)據(jù)和人工智能的發(fā)展，基于數(shù)據(jù)驅(qū)動的故障診斷方法被廣泛應(yīng)用。與傳統(tǒng)的數(shù)學(xué)模型相比，基于數(shù)據(jù)驅(qū)動的故障診斷方法不需要獲得精確的數(shù)學(xué)模型，而是直接依賴于特征數(shù)據(jù)來推斷故障。但是現(xiàn)有基于數(shù)據(jù)驅(qū)動的故障診斷方法存在對風(fēng)力發(fā)電機軸承的故障檢測靈敏度、準(zhǔn)確性低的問題。
技術(shù)實現(xiàn)思路
1、本申請實施例的目的是提供一種基于梯度加權(quán)類激活熱力圖的風(fēng)機軸承診斷方法、一種基于梯度加權(quán)類激活熱力圖的風(fēng)機軸承診斷裝置及一種終端設(shè)備，以解決上述問題。
2、為了實現(xiàn)上述目的，本申請第一方面提供一種基于梯度加權(quán)類激活熱力圖的風(fēng)機軸承診斷方法，包括：
3、獲取風(fēng)電機組發(fā)電機的軸承振動信號；
4、對獲取到的軸承
5、利用短時傅里葉變換，將降噪后的軸承振動信號轉(zhuǎn)換為時頻圖像，以得到的時頻圖像為輸入，經(jīng)故障診斷模型的特征提取單元對輸入的時頻圖像進行前向傳播及反向傳播，分別得到粗梯度加權(quán)類激活熱力圖及反向傳播梯度圖，將得到的粗梯度加權(quán)類激活熱力圖與反向傳播梯度圖進行圖像相乘，得到最終的梯度加權(quán)類激活熱力圖；
6、以得到的梯度加權(quán)類激活熱力圖為輸入，經(jīng)所述故障診斷模型的故障診斷單元依據(jù)輸入的梯度加權(quán)類激活熱力圖進行故障診斷，獲得診斷結(jié)果；
7、所述故障診斷單元由所述風(fēng)電機組發(fā)電機的不同軸承故障所對應(yīng)的歷史梯度加權(quán)類激活熱力圖對預(yù)設(shè)機器學(xué)習(xí)算法訓(xùn)練后得到。
8、可選地，所述風(fēng)電機組發(fā)電機的軸承振動信號，包括：
9、所述風(fēng)電機組發(fā)電機的前軸承徑向垂直振動信號、前軸承徑向水平振動信號、后軸承徑向垂直振動信號、后軸承徑向水平振動信號、發(fā)電機傳動垂直包絡(luò)振動信號、發(fā)電機傳動水平包絡(luò)振動信號中的一者或多者。
10、可選地，對獲取到的軸承振動信號進行降噪處理，包括：
11、對獲取到的軸承振動信號進行尺度為j的小波分解，得到各尺度下的小波細節(jié)系數(shù)和近似系數(shù)；
12、基于各層的小波細節(jié)系數(shù)確定當(dāng)前層的噪聲標(biāo)準(zhǔn)差，并依據(jù)得到的噪聲標(biāo)準(zhǔn)差確定各層的噪聲強度；
13、基于各層的噪聲標(biāo)準(zhǔn)差確定各層的小波分解統(tǒng)一閾值；
14、將各層的小波細節(jié)系數(shù)按絕對值由小至大排序，基于排序后的小波細節(jié)系數(shù)計算各層的小波細節(jié)系數(shù)的評估向量，將得到的評估向量由大到小排序，以最小值作為逼近誤差，確定該逼近誤差對應(yīng)的目標(biāo)小波細節(jié)系數(shù)，基于得到的目標(biāo)小波細節(jié)系數(shù)確定當(dāng)前層的小波分解自適應(yīng)閾值；
15、確定當(dāng)前層的小波細節(jié)系數(shù)的絕對值的平均值及小波細節(jié)系數(shù)的極小能量水平值；
16、基于各層的小波分解統(tǒng)一閾值、小波分解自適應(yīng)閾值、小波細節(jié)系數(shù)的絕對值的平均值、小波細節(jié)系數(shù)的極小能量水平值及噪聲標(biāo)準(zhǔn)差確定各層對應(yīng)的小波分解閾值；
17、基于得到的小波分解閾值對各層的小波細節(jié)系數(shù)進行調(diào)整，對調(diào)整后的各層的小波細節(jié)系數(shù)進行小波重構(gòu)，得到降噪后的軸承振動信號。
18、可選地，基于各層的小波細節(jié)系數(shù)確定各層的噪聲標(biāo)準(zhǔn)差，包括：
19、通過以下公式計算各層的噪聲標(biāo)準(zhǔn)差：
20、
21、其中，σj表示第j層的噪聲標(biāo)準(zhǔn)差，waj,k表示第j層第k個小波細節(jié)系數(shù)，n表示j尺度下小波細節(jié)系數(shù)的總個數(shù)，k為當(dāng)前尺度下的小波細節(jié)系數(shù)的個數(shù)；
22、依據(jù)得到的噪聲標(biāo)準(zhǔn)差確定當(dāng)前層的噪聲強度，包括：
23、
24、其中，γ(σj)表示第j層小波細節(jié)系數(shù)的噪聲強度，aj表示第j層小波細節(jié)系數(shù)的幅值。
25、可選地，基于各層的噪聲標(biāo)準(zhǔn)差確定各層的小波分解統(tǒng)一閾值，包括：
26、通過以下公式計算各層的小波分解統(tǒng)一閾值：
27、
28、其中，λ1,j表示第j層的小波分解統(tǒng)一閾值；
29、基于排序后的小波細節(jié)系數(shù)計算各層的小波細節(jié)系數(shù)的評估向量，包括：
30、通過以下公式計算各層的小波細節(jié)系數(shù)的評估向量：
31、r＝[rn],1≤n≤n
32、其中，waj,n表示第j層第n個小波細節(jié)系數(shù)。
33、可選地，基于得到的目標(biāo)小波細節(jié)系數(shù)確定當(dāng)前層的小波分解自適應(yīng)閾值，包括：
34、通過以下公式計算當(dāng)前層的小波分解自適應(yīng)閾值：
35、
36、其中，wαmin為目標(biāo)小波細節(jié)系數(shù)，λα,j為第j層的小波分解自適應(yīng)閾值；
37、確定當(dāng)前層的小波細節(jié)系數(shù)的絕對值的平均值，包括：
38、通過以下公式計算當(dāng)前層的小波細節(jié)系數(shù)的絕對值的平均值：
39、
40、其中，pa,j表示第j層的小波細節(jié)系數(shù)的絕對值的平均值。
41、可選地，基于各層的小波分解統(tǒng)一閾值、小波分解自適應(yīng)閾值、小波細節(jié)系數(shù)的絕對值的平均值、小波細節(jié)系數(shù)的極小能量水平值及噪聲標(biāo)準(zhǔn)差確定各層對應(yīng)的小波分解閾值，包括：
42、通過以下公式計算各層對應(yīng)的小波分解閾值：
43、
44、其中，ρn,j是第j層的小波細節(jié)系數(shù)向量的極小能量水平值。
45、可選地，基于得到的小波分解閾值對各層的小波細節(jié)系數(shù)進行調(diào)整，包括：
46、基于各層的小波分解閾值計算各層小波細節(jié)系數(shù)的調(diào)整值，并基于得到的各層小波細節(jié)系數(shù)的調(diào)整值對各層的小波細節(jié)系數(shù)進行調(diào)整；
47、其中，各層的小波細節(jié)系數(shù)的調(diào)整值通過以下公式計算：
48、
49、其中，表示第j層第k個小波細節(jié)系數(shù)的調(diào)整值。
50、本申請第二方面，提供一種基于梯度加權(quán)類激活熱力圖的風(fēng)機軸承診斷裝置，包括：
51、信號采集模塊，被配置為獲取風(fēng)電機組發(fā)電機的軸承振動信號；
52、信號降噪模塊，被配置為對獲取到的軸承振動信號進行降噪處理；
53、熱力圖生成模塊，被配置為利用短時傅里葉變換，將降噪后的軸承振動信號轉(zhuǎn)換為時頻圖像，以得到的時頻圖像為輸入，經(jīng)故障診斷模型的特征提取單元對輸入的時頻圖像進行前向傳播及反向傳播，分別得到粗梯度加權(quán)類激活熱力圖及反向傳播梯度圖，將得到的粗梯度加權(quán)本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于梯度加權(quán)類激活熱力圖的風(fēng)機軸承診斷方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于梯度加權(quán)類激活熱力圖的風(fēng)機軸承診斷方法，其特征在于，所述風(fēng)電機組發(fā)電機的軸承振動信號，包括：
3.根據(jù)權(quán)利要求1所述的基于梯度加權(quán)類激活熱力圖的風(fēng)機軸承診斷方法，其特征在于，對獲取到的軸承振動信號進行降噪處理，包括：
4.根據(jù)權(quán)利要求3所述的基于梯度加權(quán)類激活熱力圖的風(fēng)機軸承診斷方法，其特征在于，基于各層的小波細節(jié)系數(shù)確定各層的噪聲標(biāo)準(zhǔn)差，包括：
5.根據(jù)權(quán)利要求4所述的基于梯度加權(quán)類激活熱力圖的風(fēng)機軸承診斷方法，其特征在于，基于各層的噪聲標(biāo)準(zhǔn)差確定各層的小波分解統(tǒng)一閾值，包括：
6.根據(jù)權(quán)利要求5所述的基于梯度加權(quán)類激活熱力圖的風(fēng)機軸承診斷方法，其特征在于，基于得到的目標(biāo)小波細節(jié)系數(shù)確定當(dāng)前層的小波分解自適應(yīng)閾值，包括：
7.根據(jù)權(quán)利要求6所述的基于梯度加權(quán)類激活熱力圖的風(fēng)機軸承診斷方法，其特征在于，基于各層的小波分解統(tǒng)一閾值、小波分解自適應(yīng)閾值、小波細節(jié)系數(shù)的絕對值的平均值、小波細節(jié)系數(shù)的極小能量水平值及噪
8.根據(jù)權(quán)利要求7所述的基于梯度加權(quán)類激活熱力圖的風(fēng)機軸承診斷方法，其特征在于，基于得到的小波分解閾值對各層的小波細節(jié)系數(shù)進行調(diào)整，包括：
9.一種基于梯度加權(quán)類激活熱力圖的風(fēng)機軸承診斷裝置，其特征在于，包括：
10.一種終端設(shè)備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)權(quán)利要求1-8中任一項權(quán)利要求所述的基于梯度加權(quán)類激活熱力圖的風(fēng)機軸承診斷方法。
...【技術(shù)特征摘要】
1.一種基于梯度加權(quán)類激活熱力圖的風(fēng)機軸承診斷方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于梯度加權(quán)類激活熱力圖的風(fēng)機軸承診斷方法，其特征在于，所述風(fēng)電機組發(fā)電機的軸承振動信號，包括：
3.根據(jù)權(quán)利要求1所述的基于梯度加權(quán)類激活熱力圖的風(fēng)機軸承診斷方法，其特征在于，對獲取到的軸承振動信號進行降噪處理，包括：
4.根據(jù)權(quán)利要求3所述的基于梯度加權(quán)類激活熱力圖的風(fēng)機軸承診斷方法，其特征在于，基于各層的小波細節(jié)系數(shù)確定各層的噪聲標(biāo)準(zhǔn)差，包括：
5.根據(jù)權(quán)利要求4所述的基于梯度加權(quán)類激活熱力圖的風(fēng)機軸承診斷方法，其特征在于，基于各層的噪聲標(biāo)準(zhǔn)差確定各層的小波分解統(tǒng)一閾值，包括：
6.根據(jù)權(quán)利要求5所述的基于梯度加權(quán)類激活熱力圖的風(fēng)機軸承診斷方法，其特征在于，基于得到的目標(biāo)小波細節(jié)系數(shù)確...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李曉璐，申艷杰，張斌，陳譽天，董健，汪正軍，趙冰，
申請(專利權(quán))人：國電聯(lián)合動力技術(shù)有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。