[发明专利]一种基于熵特征的设备故障预测方法及系统

说明书

本发明涉及一种基于熵特征的设备故障预测方法及系统，所述方法包括：获取待测设备预设时刻的振动信号；对所述获取的振动信号进行特征提取获取所述预设时刻的振动信号对应的瑞利熵特征数据；将所述振动信号对应的瑞利熵特征数据输入预先训练好的设备故障概率预测模型中，获取所述待测设备预设时刻对应的故障概率；基于所述故障概率对所述待测设备进行故障预测。本发明提供的技术方案，通过对振动信号进行熵特征提取，利用提取的熵特征进行设备故障预测，提高了设备故障预测的准确度。

技术领域

本发明涉及故障预测领域，具体涉及一种基于熵特征的设备故障预测方法及系统。

背景技术

风能是一种具有巨大潜力的可再生能源，得到了世界各国的广泛关注。风力发电有助于解决经济社会发展与环境污染之间的矛盾，因此在调整能源结构方面起到重要的作用。风力发电系统一般主要包括风力发电机、齿轮箱、叶片、功率变换器等部件，其中风力发电机是风力发电系统的核心部件，实现机械能到电能的转换。风力发电机大多安装在海上、高原、山区等偏远、恶劣环境中，运行工况极端苛刻，造成风力发电机零部件的性能容易退化。目前，随着风力发电的装机容量不断增加，风力发电机轴承故障导致的损失也日益增加。确保风电机组稳定、安全、可靠的运行成为风力发电行业面临的首要问题。

现有的预测风机轴承等设备故障的方法是通过监测系统获取风力发电机轴承振动信号或电学信号，进行时域分析、频域分析提取信号的特征参数，利用拟合的手段进行寿命回归分析。但是，提取的特征参数并不一定与轴承的故障具有强相关性，风力发电机在不同转速下的泛化能力较差；故障回归模型也较为简单，无法发掘出轴承振动数据中的相关特征，也容易受到外界噪声信号的干扰，存在拟合的退化曲线与实际的退化曲线之间误差大的问题，最终会导致故障预测的准确度不高。

发明内容

本申请提供一种基于熵特征的设备故障预测方法及系统，以至少解决相关技术中对风机轴承的故障预测的准确度较低的技术问题。

本申请第一方面实施例提出一种基于熵特征的设备故障预测方法，所述方法包括：

获取待测设备预设时刻的振动信号；

对所述获取的振动信号进行特征提取获取所述预设时刻的振动信号对应的瑞利熵特征数据；

将所述振动信号对应的瑞利熵特征数据输入预先训练好的设备故障概率预测模型中，获取所述待测设备预设时刻对应的故障概率；

基于所述故障概率对所述待测设备进行故障预测。

本申请第二方面实施例提出一种基于熵特征的设备故障预测系统，所述系统包括：

第一获取模块，用于获取待测设备预设时刻的振动信号；

第二获取模块，用于对所述获取的振动信号进行特征提取获取所述预设时刻的振动信号对应的瑞利熵特征数据；

第三获取模块，用于将所述振动信号对应的瑞利熵特征数据输入预先训练好的设备故障概率预测模型中，获取所述待测设备预设时刻对应的故障概率；

预测模块，用于基于所述故障概率对所述待测设备进行故障预测。

本申请第三方面实施例提出一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时，实现如本申请第一方面的预测方法。

本申请第四方面实施例提出一种非临时性计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如本申请第一方面的预测方法。

本申请的实施例提供的技术方案至少带来以下有益效果：