2017年10月31日——11月1日，由中國電器工業(yè)協(xié)會(huì)風(fēng)力發(fā)電電器設(shè)備分會(huì)和新疆金風(fēng)科技股份有限公司聯(lián)合主辦，施耐德電氣（中國）有限公司協(xié)辦的2017（第二屆）中國風(fēng)電電氣裝備技術(shù)高峰論壇暨風(fēng)電分會(huì)二屆二次會(huì)員大會(huì)(CWPE2017）在北京豐大國際酒店盛大召開。內(nèi)蒙古久和能源裝備有限公司主任工程師趙鵬先生在31日下午的“智慧能源與智能制造專場”發(fā)表了演講。
趙鵬：尊敬的各位專家，各位嘉賓大家下午好！我演講的題目是“基于監(jiān)測數(shù)據(jù)的風(fēng)機(jī)關(guān)鍵零部件剩余壽命預(yù)測”。我的報(bào)告包括三個(gè)部分，研究應(yīng)用背景了解，剩余壽命預(yù)測方法介紹，剩余壽命預(yù)測系統(tǒng)方案。
下面有兩幅圖，第一幅圖是風(fēng)電機(jī)組故障率的分布圖，從上面我們可以看出機(jī)組故障中的齒輪箱故障率為15%，主軸的故障率為3%。第二幅圖是一個(gè)零部件的停機(jī)的試驗(yàn)，傳動(dòng)部件的故障概率雖然比較低，但是我們由圖上可以看出，它引起的故障停機(jī)時(shí)間是相當(dāng)長的。
所以根據(jù)調(diào)查數(shù)據(jù)顯示，對于工作壽命為20年的機(jī)組，運(yùn)行維護(hù)成本估計(jì)占到風(fēng)場收入的10-15%左右，而對于海上風(fēng)場，運(yùn)行維護(hù)的成本更高。其中事故維修費(fèi)用比例為16%，定期維修費(fèi)用比例為4.1%，而事故維修的費(fèi)用占總維修費(fèi)用的比例高達(dá)75%之多，而且還會(huì)引起長時(shí)間的停機(jī)，給風(fēng)場造成重大損失。
由上面的分析我們可以看出，機(jī)械傳動(dòng)部件的故障會(huì)引起長時(shí)間的停機(jī)，所以我們對它進(jìn)行有效的狀態(tài)監(jiān)測以及故障趨勢的預(yù)測，包括剩余壽命預(yù)測都是至關(guān)重要的。事實(shí)上在我們現(xiàn)在提到一個(gè)PHM的系統(tǒng)，我們的工作主要是PHM系統(tǒng)其中的一部分，其中剩余壽命是很關(guān)鍵的一個(gè)內(nèi)容。而目前在我們風(fēng)電行業(yè)中對于機(jī)組的狀態(tài)監(jiān)測主要包括兩方面，一個(gè)是在線的，一個(gè)是離線的，離線的話目前我們機(jī)組主要采用振動(dòng)信號，包括溫度、上升，在上面我們看到對于葉片采用的噪聲的方式，包括離線的部分主要是采用油液的一些手段。
剩余壽命預(yù)測實(shí)際上是基于我們狀態(tài)監(jiān)測的技術(shù)，是利用狀態(tài)監(jiān)測的一些數(shù)據(jù)對部件的一個(gè)趨勢以及壽命進(jìn)行一個(gè)預(yù)測，它能夠提早的發(fā)現(xiàn)部件故障的趨勢來合理的安排維修，有效的降低故障帶來的損失，避免重大事故的發(fā)生，可以提高我們風(fēng)電機(jī)組的一個(gè)安全可靠的運(yùn)行，增加我們風(fēng)電廠的收益。其實(shí)目前我們主要關(guān)注點(diǎn)是在于優(yōu)化運(yùn)維策略這一塊，實(shí)際上我們在研究這個(gè)項(xiàng)目的時(shí)候考慮的主要是在后期是否在我們現(xiàn)在機(jī)組設(shè)計(jì)是20年壽命，實(shí)際上我們機(jī)組是否在到了20年的時(shí)候是不是還可以繼續(xù)使用，所以我們做這個(gè)項(xiàng)目在關(guān)注如何延壽評估。包括我們正在運(yùn)行的風(fēng)機(jī)，我們是否可以利用這些數(shù)據(jù)來優(yōu)化我們運(yùn)行的參數(shù)。
預(yù)測方法，剩余壽命是指在標(biāo)準(zhǔn)運(yùn)行的條件下，能夠保證機(jī)械設(shè)備安全可靠、有效運(yùn)行的剩余時(shí)間，即系統(tǒng)部件在運(yùn)行的某一時(shí)刻t到該部件失效時(shí)刻T的時(shí)間長度。零部件在某一時(shí)刻的剩余使用時(shí)間不僅與當(dāng)前的時(shí)刻的使用狀態(tài)有關(guān)，而且與該時(shí)刻之前零部件的所有狀態(tài)存在關(guān)聯(lián)關(guān)系。
對目前已經(jīng)有的一些剩余壽命預(yù)測方法已經(jīng)有的一些分析實(shí)際上可以分為兩類，一是基于物理模型的方法，是通過建立精確的數(shù)學(xué)模型來進(jìn)行預(yù)測。包括我們今年像疲勞壽命的等等都屬于這種方法。這種方法有一定的局限性，因?yàn)樵谟?jì)算剩余壽命時(shí)是以確定的失效模式為前提的，然而部件在實(shí)際的使用過程中，各種各樣的未知因素都可能產(chǎn)生，并且許多動(dòng)態(tài)系統(tǒng)的結(jié)構(gòu)非常復(fù)雜，無法建立精確的數(shù)學(xué)模型來描述部件的物理變化，這在很大程度上限制了該類預(yù)測方法的應(yīng)用。
二是基于數(shù)據(jù)驅(qū)動(dòng)的方法，通過人工智能或統(tǒng)計(jì)學(xué)習(xí)工具對狀態(tài)監(jiān)測數(shù)據(jù)進(jìn)行訓(xùn)練，進(jìn)而預(yù)測不見得剩余壽命。不需要或只需要少量的對象系統(tǒng)的先驗(yàn)認(rèn)知（數(shù)學(xué)模型和專家經(jīng)驗(yàn)），以狀態(tài)監(jiān)測數(shù)據(jù)（或歷史數(shù)據(jù)）為基礎(chǔ)，通過各種數(shù)據(jù)分析方法挖掘其中隱含信息進(jìn)行壽命預(yù)測。
所以對目前存在的一些剩余壽命的方法進(jìn)行了一個(gè)總結(jié)，大概有這么多。其中基于物理方法，基于數(shù)據(jù)驅(qū)動(dòng)，基于數(shù)據(jù)驅(qū)動(dòng)又可以分為兩大類，一個(gè)是基于統(tǒng)計(jì)回歸的方法，一個(gè)是基于人工智能的。基于統(tǒng)計(jì)回歸的方法可能我們看到比較多應(yīng)用的就是隱馬爾科夫模型，隱半馬爾科夫模型。人工智能應(yīng)該是以后的趨勢，所以以后人工智能研究的比較多一點(diǎn)。
通過對以上方法的總結(jié)分析，在我們分析結(jié)構(gòu)的剩余壽命預(yù)測中我們找到了一個(gè)更為合理或者有效的方法，這是極限學(xué)習(xí)機(jī)的方法，它是一種簡單的易用、有效的單隱層前饋神經(jīng)網(wǎng)絡(luò)SLFNs學(xué)習(xí)算法。2004年由南洋理工大學(xué)黃廣斌副教授提出。
與傳統(tǒng)的學(xué)習(xí)方法相比，ELM算法具有學(xué)習(xí)速度、泛性能好等優(yōu)點(diǎn)，極大地提高了神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度。
在這個(gè)方法中最關(guān)鍵的就是如何做參數(shù)的優(yōu)化選取，它是直接影響我們這個(gè)預(yù)測的準(zhǔn)確性的，而在這個(gè)里面主要是輸入?yún)?shù)和內(nèi)部參數(shù)的選取，輸入?yún)?shù)包括數(shù)據(jù)量，內(nèi)部參數(shù)包括激活函數(shù)和隱含層結(jié)點(diǎn)。為了確定極限學(xué)習(xí)機(jī)的輸入和輸出參數(shù)，我們采用相空間重構(gòu)技術(shù)方法來獲取數(shù)據(jù)的嵌入維數(shù)和時(shí)間延遲。
這是對學(xué)習(xí)機(jī)方法的一個(gè)簡單的介紹，主要是一些公示，時(shí)間的關(guān)系就不展開講了，大家可以看一看。因?yàn)檫@個(gè)學(xué)習(xí)機(jī)它開始提出來是基于單片量的，但是我們需要的是多變量的，所以我們引入多變量的值來構(gòu)建結(jié)構(gòu)函數(shù)。
具體步驟如下，右邊是流程圖，一是對采集到振動(dòng)信號數(shù)據(jù)進(jìn)行預(yù)處理，消除噪聲等不必要的信息。二是通過特征提取方法提取振動(dòng)信號數(shù)據(jù)中多個(gè)域的多種特征指標(biāo)量，包括時(shí)域指標(biāo)或頻域指標(biāo)，以獲取多維特征新奇。融合特征指標(biāo)，消除數(shù)據(jù)冗余，利用PCA將第一步中的時(shí)域和頻域特征指標(biāo)量進(jìn)行融合，得到第一、第二，第P主成分。四是利用相空間重構(gòu)技術(shù)分析融合后的主成分信息，確定嵌入維數(shù)，從而構(gòu)建樣本集。五是訓(xùn)練多變量ELM模型，實(shí)現(xiàn)內(nèi)部參數(shù)的優(yōu)化選取，獲得預(yù)測效果最佳的多邊量ELM預(yù)測模型，六是預(yù)測傳動(dòng)部件的剩余壽命。
下面介紹一下剩余壽命預(yù)測系統(tǒng)方案，剩余壽命預(yù)測系統(tǒng)主要通過采集設(shè)備的運(yùn)行狀態(tài)信息，對傳動(dòng)系統(tǒng)關(guān)鍵部件，比如軸承、齒輪等的運(yùn)行狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測，并利用狀態(tài)信息對產(chǎn)生損傷的故障件的剩余壽命進(jìn)行預(yù)測。
主要包括兩個(gè)部分，一個(gè)是硬件部分，一個(gè)是軟件部分，硬件主要功能是實(shí)現(xiàn)狀態(tài)信息的采集、存儲；潤間部分主要是基于狀態(tài)信息實(shí)現(xiàn)傳動(dòng)系統(tǒng)關(guān)鍵部件的運(yùn)行狀態(tài)監(jiān)測與剩余壽命預(yù)測。硬件這塊包括數(shù)據(jù)采集儀、傳感器、光線、數(shù)據(jù)服務(wù)器、客戶終端。軟件部分包括分析語診斷、壽命和預(yù)測兩個(gè)部分，分析語診斷分析時(shí)域分析、頻域分析、時(shí)頻分析等等。
硬件上主要我們利用目前的振動(dòng)傳感器，因?yàn)槲覀儸F(xiàn)在大多數(shù)風(fēng)箱已經(jīng)裝了這種傳感器，然后就是風(fēng)機(jī)實(shí)時(shí)運(yùn)行中的狀態(tài)數(shù)據(jù)，比如風(fēng)速、轉(zhuǎn)速等等。
信息采集，右邊這個(gè)圖是軟件系統(tǒng)的功能示意圖，主要有以下幾個(gè)部分，一是信息采集，主要是采集運(yùn)行狀態(tài)信息，包括振動(dòng)、溫度、載荷、豐度等信息。二是數(shù)據(jù)預(yù)處理與狀態(tài)監(jiān)測，對采集得到的狀態(tài)信息進(jìn)行預(yù)處理，包括消噪處理、剔除失真數(shù)據(jù)等，并初步完成時(shí)域指標(biāo)、頻域指標(biāo)等各種評價(jià)指標(biāo)的計(jì)算；結(jié)合振動(dòng)標(biāo)準(zhǔn)對風(fēng)電機(jī)組傳動(dòng)系統(tǒng)各個(gè)部件的振動(dòng)。
運(yùn)行狀態(tài)分析與診斷，這個(gè)模塊主要是對預(yù)處理后的數(shù)據(jù)采用各種現(xiàn)代信號處理方法進(jìn)行綜合分析，如頻域分析、包括解調(diào)分析、小波分析、EEMD、時(shí)頻分析、稀疏分解等，了解現(xiàn)在關(guān)鍵部件的狀態(tài)。
剩余壽命預(yù)測，這一塊的系統(tǒng)它的實(shí)現(xiàn)流程主要見右邊流程圖，主要要進(jìn)行預(yù)測的機(jī)械傳動(dòng)部件，調(diào)用數(shù)據(jù)構(gòu)建訓(xùn)練樣本集和預(yù)測樣本，通過PCA融合提取特征指標(biāo)，調(diào)用學(xué)習(xí)機(jī)算法，訓(xùn)練多變量的學(xué)習(xí)機(jī)的預(yù)測模型，通過這個(gè)模型來預(yù)測我們這個(gè)剩余壽命。因?yàn)檫@里面可能理論東西比較多，嵌入一些數(shù)據(jù)的調(diào)用以及處理相對比較復(fù)雜，所以這個(gè)報(bào)告可能講的少一些。謝謝大家！以上就是我的報(bào)告！
（文章內(nèi)容來自現(xiàn)場速記整理，未經(jīng)本人審核）
