[发明专利]一种风机状态估计的方法及系统

权利要求书

1.一种风机状态估计方法，其特征在于，包括：

获取风机的在线运行数据；

对所述在线运行数据进行预处理，获得时间序列数据；

通过在线状态监测模型判断所述时间序列数据是否表示风机处于故障状态，得到判断结果；所述在线状态监测模型是采用分类深度自编码网络训练而成；

当判断结果表示风机不处于故障状态时，输出检测结果为健康；

当判断结果表示风机处于故障状态时，标记表示风机处于故障状态的所述时间序列数据，得到故障检测样本；

通过在线故障检测模型确定所述故障检测样本所对应的故障类型；

输出所述故障类型；

在所述通过在线状态监测模型判断所述时间序列数据是否表示风机处于故障状态之前还包括：

获取风机的历史数据；所述历史数据包括标签样本和非标签样本；所述标签样本表示所述历史数据是否为故障数据已知，所述标签样本表示所述历史数据是否为故障数据未知；

根据所述非标签样本构建多个第一隐含层的自动编码器；

根据风机状况确定第一输出层，所述第一输出层的元素包括健康和故障两种；

根据所述标签样本与所述第一输出层的关系，通过BP算法对所述第一隐含层的自动编码器进行调整，得到在线状态监测模型。

2.根据权利要求1所述的风机状态估计方法，其特征在于，所述获取风机的在线运行数据具体包括：

获取风机的风速、风向、低速轴转速、高速轴转速、偏航转速、主轴轴承温度、齿轮箱高速轴温度、齿轮箱油温、发电机绕组温度、机舱内温度、机舱外温度、冷却媒温度、电池温度、液压站油压、齿轮箱滤芯进口油压、齿轮箱滤芯出口油压、刹车片厚度、刹车片温度和振动频率。

3.根据权利要求1所述的风机状态估计方法，其特征在于，在所述通过在线故障检测模型确定所述故障检测样本所对应的故障类型之前还包括：

获取风机的故障数据，所述故障数据包括标签数据和非标签数据；所述标签数据表示所述故障数据的故障类型已知，所述非标签数据表示所述故障数据的故障类型未知；

根据所述非标签数据构建多个第二隐含层的自动编码器；

根据风机故障类型确定第二输出层，所述第二输出层的元素为故障数据的类型；

根据所述标签数据与所述第二输出层的关系，通过BP算法对所述第二隐含层的自动编码器进行调整，得到在线故障检测模型。

4.根据权利要求1所述的风机状态估计方法，其特征在于，所述对所述在线运行数据进行预处理，获得时间序列数据，具体包括：

对所述在线运行数据进行去量纲处理，得到无量纲数据；

去除所述无量纲数据中的异常点，得到预处理数据；

按照时间排列，将所述预处理数据整理成数据段，得到时间序列数据。

5.根据权利要求2所述的风机状态估计方法，其特征在于，在获取风机的历史运行数据之前还包括：获取风机的第一虚拟样本；所述第一虚拟样本为风机仿真模型在健康状态和故障状态下的模拟数据，所述第一虚拟样本为标签样本。

6.根据权利要求3所述的风机状态估计方法，其特征在于，在获取风机的故障数据之前还包括：获取风机的第二虚拟样本，所述第二虚拟样本为风机仿真模型在不同故障状态下的模拟数据，所述第二虚拟样本为标签数据。