专利名称：风机部件的寿命预测方法及系统的制作方法
技术领域：
本发明涉及风力发电领域。更具体地讲，涉及一种风机部件的寿命预测方法及系 统。
背景技术：
随着技术的发展，对可再生能源的关注和利用程度日益增加，其中，风力发电是一 种已经发展相对成熟的能源技术。
目前，对风机的预防维护工作主要是故障后维修和定期检修(如半年检修和全年 检修)，但缺乏一个面向整机的部件的在线寿命预测及相应的预防维护和检修系统，难以实 现对机组寿命预警的作用，不能科学判断机组检修时机及提供合理的预防和检修方式，导 致风机维护成本较高，备品备件库规划不合理。及时获得风机的部件的剩余寿命，对于风机 安全、稳定运行和优化机组可靠性具有重大意义。因此，需要一种对风机的部件进行在线寿 命预测的技术。发明内容
本发明的目的在于提供一种风机部件的寿命预测方法及系统。
根据本发明的一方面，提供一种风机部件的寿命预测方法，其特征在于，包括采 集风机的部件的特征参数；根据采集的特征参数确定处于非失效阶段的部件；确定处于非 失效阶段的部件的剩余寿命范围；对处于预定剩余寿命范围的部件进行在线剩余寿命预 测。
可选地，所述寿命预测方法还包括根据采集的特征参数，确定需要进行寿命预测 的部件，其中，根据采集的特征参数确定处于非失效阶段的部件的步骤包括根据采集的特 征参数，从需要进行寿命预测的部件之中确定处于非失效阶段的部件。
可选地，确定需要进行寿命预测的部件的步骤包括根据部件的重要度、易损性、 性能衰退过程易检性中的至少一个来确定需要进行寿命预测的部件，其中，重要度表示部 件故障时对风机正常工作的影响程度；易损性表示部件发生故障的频率；性能衰退过程易 检性表示检测到部件故障的难度。
可选地，所述寿命预测方法还包括根据采集的特征参数确定处于失效阶段的部 件。
可选地，确定处于非失效阶段的部件的剩余寿命范围的步骤包括利用动态可靠 性分析模型来确定处于非失效阶段的部件的剩余寿命范围。
可选地，在确定处于非失效阶段的部件的剩余寿命范围时，利用动态可靠性分析 模型建立部件的可靠度和失效率随使用时间的变化动态过程曲线，基于该变化动态过程曲 线确定部件的寿命范围，将确定的寿命范围减去部件的使用工时，以计算部件的剩余寿命 范围。
可选地，对处于预定剩余寿命范围的部件进行在线剩余寿命预测的步骤包括利用支持向量机预测模型对处于预定剩余寿命范围的部件进行在线剩余寿命预测。
可选地，针对处于预定剩余寿命范围的部件之中的非间歇性部件，采用最小二乘 支持向量机对向量机预测模型建模；针对处于预定剩余寿命范围的部件之中的间歇性工作 部件，采用集成最小二乘支持向量机对向量机预测模型建模。
可选地,特征参数包括电气特性参数、机械特性参数和过程参数中的至少一种。
可选地，每次对部件进行剩余寿命预测时，利用包括当前时间的一段时间内采集 的部件的特征参数的时间序列作为样本集来训练支持向量机预测模型，以获得部件的特征 参数的未来发展趋势，从获得的未来发展趋势提取与部件处于故障状态时的特征参数对应 的时间，将该时间减去该部件的使用工时，从而得到该部件的剩余寿命。
可选地，所述寿命预测方法还包括在部件的剩余寿命小于设备寿命预警阀值并 大于设备更换阀值时，向用户发出报警，使用户降低该部件的使用强度；在部件的剩余寿命 小于等于设备更换阀值时，向用户发出报警，使用户更换该部件，其中，设备寿命预警阀值 大于设备更换阀值。
可选地，通过下列项中的至少一个表示性能衰退过程易检性风机是否输出用于 衡量部件的性能的输出参数、输出参数衡量部件性能的完整性、通过外观观测来判别部件 是否发生故障的可行性。
可选地，处于预定剩余寿命范围的部件是指剩余寿命范围的下限小于预定阈值的 部件。
根据本发明的另一方面，提供一种风机部件的寿命预测系统，包括数据采集模 块，采集风机的部件的特征参数；生命周期判断模块，根据采集的特征参数确定处于非失效 阶段的部件；剩余寿命范围预测模块，确定处于非失效阶段的部件的剩余寿命范围；在线 寿命预测模块，对处于预定剩余寿命范围的部件进行在线剩余寿命预测。
可选地，所述寿命预测系统还包括部件选择模块，根据采集特征参数，确定需要 进行寿命预测的部件，其中，生命周期判断模块根据采集的特征参数，从需要进行寿命预测 的部件之中确定处于非失效阶段的部件。
可选地，部件选择模块根据部件的重要度、易损性、性能衰退过程易检性中的至少 一个来确定需要进行寿命预测的部件，其中，重要度表示部件故障时对风机正常工作的影 响程度；易损性表示部件发生故障的频率；性能衰退过程易检性表示检测到部件故障的难度。
可选地，生命周期判断模块还根据采集的特征参数确定处于失效阶段的部件。
可选地，剩余寿命范围预测模块利用动态可靠性分析模型来确定处于非失效阶段 的部件的剩余寿命范围。
可选地，在确定处于非失效阶段的部件的剩余寿命范围时，剩余寿命范围预测模 块利用动态可靠性分析模型建立部件的可靠度和失效率随使用时间的变化动态过程曲线， 基于该变化动态过程曲线确定部件的寿命范围，将确定的寿命范围减去部件的使用工时， 以计算部件的剩余寿命范围。
可选地，在线寿命预测模块利用支持向量机预测模型对处于预定剩余寿命范围的 部件进行在线剩余寿命预测。
可选地，在线寿命预测模块包括训练模块，在每次对部件进行剩余寿命预测时，利用包括当前时间的一段时间内采集的部件的特征参数的时间序列作为样本集来训练支 持向量机预测模型，以获得部件的特征参数的未来发展趋势；总寿命计算模块，从获得的未 来发展趋势提取与部件处于故障状态时的特征参数对应的时间；剩余寿命计算模块，将该 时间减去该部件的使用工时，从而得到该部件的剩余寿命。
可选地，所述寿命预测系统还包括在线预防维护模块，在部件的剩余寿命小于设 备寿命预警阀值并大于设备更换阀值时，向用户发出报警，使用户降低该部件的使用强度； 在部件的剩余寿命小于等于设备更换阀值时，向用户发出报警，使用户更换该部件，其中， 设备寿命预警阀值大于设备更换阀值。
可选地，通过下列项中的至少一个表示性能衰退过程易检性风机是否输出用于 衡量部件的性能的输出参数、输出参数衡量部件性能的完整性、通过外观观测来判别部件 是否发生故障的可行性。
可选地，处于预定剩余寿命范围的部件是指剩余寿命范围的下限小于预定阈值的 部件。
可选地，针对处于预定剩余寿命范围的部件之中的非间歇性部件，利用的支持向 量机预测模型为最小二乘支持向量机预测模型；针对处于预定剩余寿命范围的部件之中的 间歇性工作部件，利用的支持向量机预测模型为集成最小二乘支持向量机预测模型。
可选地,特征参数包括电气特性参数、机械特性参数和过程参数中的至少一种。
根据本发明的风机部件的寿命预测方法及系统可以在线获取风机的部件的剩余 寿命，从而指导风机的用户及时处理潜在的风机故障，从而保证风机的安全、可靠运行。
此外，根据本发明的风机部件的寿命预测方法及系统可以从风机的部件中确定出 有必要进行在线寿命预测的部件，从而在保证监控质量的同时，降低了监控成本。
此外，根据本发明的风机部件的寿命预测方法及系统利用支持向量机预测模型来 进行在线寿命预测，这样需要的样本数据量小，从而降低了计算量，提高了预测速度，并且 能够精确地获得特征参数的更长时间的未来发展趋势，更适于在线剩余寿命预测的需要。
将在接下来的描述中部分阐述本发明另外的方面和/或优点，还有一部分通过描 述将是清楚的，或者可以经过本发明的实施而得知。
通过下面结合附图进行的详细描述，本发明的上述和其它目的、特点和优点将会 变得更加清楚，其中
图1示出根据本发明的实施例的风机部件的寿命预测方法的流程图2示出根据本发明的实施例的风机部件的寿命预测系统；
图3示出根据本发明的实施例的在线寿命预测模块的框图。
具体实施方式
现在，将参照附图更充分地描述不同的示例实施例，其中，相同的标号始终表示相 同的部件。
图1示出根据本发明的实施例的风机部件的寿命预测方法的流程图。
参照图1，在步骤101，采集风机的部件的特征参数。
可通过控制安装在风机中的各种传感器来采集风机的各个部件的特征参数。对于 风机的部件来说，特征参数主要包括电气特性参数(例如，电流、电压,频率等)、机械特性 参数(例如，振动信号、磁场信号、转速信号等)、过程参数(例如，风速、功率、温度等)。
在步骤102，根据在步骤101采集的风机的部件的特征参数，确定需要进行寿命预 测的部件。
由于风机中的部件众多，如果对所有的部件进行在线寿命预测，将会导致非常大 的数据以及计算量，因此需要从中选择有必要进行寿命预测的部件。
在根据本发明的一个实施例中，根据部件的重要度、易损性、性能衰退过程易检性 中的一个或多个来确定需要进行寿命预测的部件。换句话说，根据部件的重要度、易损性、 性能衰退过程易检性中的至少一个来确定部件的进行寿命预测的必要性。重要度、易损性、 性能衰退过程易检性越高，则表示越进行寿命预测的必要性越高，越需要进行寿命预测。可 将风机的所有部件中具有大于预定水平的必要性的部件确定为需要进行寿命预测的部件。
这里，重要度表示部件故障时对风机正常工作的影响程度。例如，对于一些装饰性 的部件，其损坏基本对风机的正常工作没有影响，因此其重要度相对低，而风机的核心部件 如果损坏则可能会导致风机无法正常工作，因此其重要度相对高。易损性表示部件发生故 障的频率。例如，可以基于故障历史记录来确定一个部件发生故障的频率。性能衰退过程 易检性表示检测到部件故障的难度。
在一个实施例中，性能衰退过程易检性可由下列项中的至少一个表示风机是否 输出用于衡量部件的性能的输出参数、输出参数衡量部件性能的完整性、通过外观观测来 判别部件是否发生故障的可行性。
在一个实施例中，可通过下面的等式(I)来确定部件需要进行寿命预测的必要性S。
S = WlX S1+W2 X S2+W3 X S3 (I)
其中，Wl表示部件的重要度，W2表示部件的易损性，W3表示部件的性能衰退过程 易检性，SI表示重要度的权重，S2表示易损性的权重，S3表示部件的性能衰退过程易检性 的权重。
在一个示例中，权重S1、S2、S3可以都为I或其他相同的值。此外，可根据统计规 律基于重要度、部件的易损性、部件的性能衰退过程易检性的重要性来另外地确定权重S1、 S2、S3的大小。应该理解，根据是否选用参数，S1、S2、S3中的一个或两个也可等于零。
可将风机的所有部件中具有大于预定阈值的S值的部件确定为需要进行寿命预 测的部件。
在步骤103，基于特征参数对在步骤102中确定的需要寿命预测的部件进行生命 周期分析以确定部件所处的生命周期阶段。
部件的生命周期一般划分为正常阶段、性能衰退阶段和失效阶段，正常阶段和性 能衰退阶段可被称为非失效阶段。可利用现有各种生命周期分析技术来确定部件的生命周期。
对于处于非失效阶段的部件，可继续执行步骤104。
对于处于失效阶段的部件，可通知用户(例如，风机维护人员)进行故障处理。例 如，对于可修复的部件，可以进行修复；对于不可修复的部件，可以更换新的部件。
在步骤104，确定在步骤103得到的处于非失效阶段的部件的剩余寿命范围。
可利用现有的各种剩余寿命范围分析技术来确定部件的剩余寿命范围。
在一个实施例中，利用动态可靠性分析模型来确定处于非失效阶段的部件的剩余 寿命范围。
具体地说，首先利用动态可靠性分析模型建立部件的可靠度和失效率随使用时间 的变化动态过程曲线。例如，可利用动态可靠性分析模型引入随机过程和极值分布原理计 算并建立部件的可靠度和失效率随使用时间的变化动态过程曲线，动态可靠性分析模型可 以采用基于随机Petri网的动态可靠性分析模型。随后，基于该变化动态过程曲线确定部 件的寿命范围，将确定的寿命范围减去部件的使用工时，从而可以计算得到部件的剩余寿 命范围。
在步骤105，对处于预定剩余寿命范围的部件进行在线剩余寿命预测。
这里的处于预定剩余寿命范围的部件是指剩余寿命范围的下限小于预定阈值的 部件。可通过现有的在线剩余寿命预测技术来进行在线剩余寿命预测。
在本发明的一个实施例中，使用支持向量机预测模型对处于预定剩余寿命范围的 部件进行在线剩余寿命预测。因为风机部件很多，不同部件往往需要不同的预测方法，支持 向量机可以和很多种方法组合预测，应用部件比较广泛。
具体地说，在每次对部件进行剩余寿命预测时，利用包括当前时间的一段时间内 检测的部件的特征参数的时间序列作为样本集来训练支持向量机预测模型，从而获得该部 件的特征参数的未来发展趋势(即，特征参数与时间的预测曲线)。
随后，基于这种部件处于故障状态时的特征参数，从获得的未来发展趋势提取与 这种部件处于故障状态时的特征参数对应的时间。此时提取的时间是该部件的总寿命。将 该寿命减去该部件的使用工时，从而得到该部件的剩余寿命。
利用支持向量机建立的预测模型具有更坚实的数学理论基础，支持向量机以结构 风险最小化为原则，可以有效地解决有限样本条件下的高维数据模型构建问题，有效抑制 了过学习现象，并具有泛化能力强、收敛到全局最优、维数不敏感等优点。与其他剩余寿命 检测技术相比，根据本发明的剩余寿命预测需要的样本数据量小，并且能够精确地获得特 征参数的更长时间的未来发展趋势，更适于在线剩余寿命预测的需要。
在另一实施例中，在进行在线剩余寿命预测时，可进一步考虑部件的特点以及不 同类型的支持向量机预测模型的特点，针对不同的类型的部件采用不同类型的支持向量机 预测模型。
风机的部件可被划分为间歇性工作部件和非间歇性工作部件。非间歇性工作部件 是指特征参数变化相对缓慢的部件。例如，发电机绕组的温度变化相对缓慢，可视为非间歇 性工作部件。间歇性工作部件是指特征参数间歇性和/或季节性波动的部件，例如，变桨电 机。
针对处于预定剩余寿命范围的部件之中的非间歇性部件，采用最小二乘支持向量 机对向量机预测模型建模，来进行在线剩余寿命预测。此时，建模得到最小二乘支持向量机 预测模型，可以利用上述样本集对最小二乘支持向量机预测模型进行训练，从而得到部件 的特征参数的未来发展趋势。
针对处于预定剩余寿命范围的部件之中的间歇性工作部件，采用集成最小二乘支持向量机对向量机预测模型建模，来进行在线剩余寿命预测。此时，建模得到集成最小二 乘支持向量机预测模型，可以利用上述样本集对集成最小二乘支持向量机预测模型进行训 练，从而得到部件的特征参数的未来发展趋势。
在步骤106，根据在步骤105的在线剩余寿命预测结果，确定是否对部件进行维护处理。
具体地说，在部件的剩余寿命小于设备寿命预警阀值并大于设备更换阀值时，向 用户发出报警，使用户降低该部件的使用强度，择机对部件进行相应的检修，以提高整机的 可靠度。这里，设备寿命预警阀值大于设备更换阀值。
在部件的剩余寿命小于等于设备更换阀值时，向用户发出报警，使用户更换该部 件。例如，对风机进行相应的停机设备更换，以减少因元器件老化引起机组故障，降低机组 不必要的损失。
在另一实施例中，可省略步骤102和/或106。换句话说，如果省略步骤102，则可 在步骤103直接对所有的部件或采集了特征参数的部件进行生命周期分析，而不需要执行 步骤102。如果省略了步骤106，则可不考虑进行维护处理。
根据本发明的实施例的风机部件的寿命预测方法还可以被实现为计算机程序或 计算机可读代码。该计算机程序或计算机可读代码可被记录在计算机可读记录介质上。所 述计算机可读记录介质可以是任何可存储其后可以被计算机系统读取的数据的数据存储 设备。所述计算机可读记录介质的示例包括只读存储器(ROM)、随机存取存储器(RAM)、 CD-ROM、磁带、软盘、光学数据存储设备和载波(例如，通过互联网的数据传输)。所述计算 机可读记录介质也可以被分布在联网的计算机系统上，从而所述计算机可读代码以分布式 方式被存储和执行。
图2示出根据本发明的实施例的风机部件的寿命预测系统。
如图2所示，根据本发明的风机部件的寿命预测系统200包括数据采集模块 210、部件选择模块220、生命周期判断模块230、剩余寿命范围预测模块240、在线寿命预测 模块250、在线预防维护模块260。
数据采集模块210采集风机的部件的特征参数。可通过安装在风机中的各种传感 器形成数据采集模块210，以采集风机的各个部件的特征参数。
对于风机的部件来说，特征参数主要包括电气特性参数(例如，电流、电压,频率 等)、机械特性参数(例如，振动信号、磁场信号、温度信号等)、过程参数(例如，风速、功 率、气温等)。因此，数据采集模块210可包括用于采集电气特性参数、机械特性参数、过程 参数中的至少一种的传感器。
部件选择模块220根据数据采集模块210采集的风机的部件的特征参数，确定需 要进行寿命预测的部件。
由于风机中的部件众多，如果对所有的部件进行在线寿命预测，将会导致非常大 的数据以及计算量，因此需要从中选择有必要进行寿命预测的部件。
在根据本发明的一个实施例中，部件选择模块220根据部件的重要度、易损性、性 能衰退过程易检性中的一个或多个来确定需要进行寿命预测的部件。换句话说，部件选择 模块220根据部件的重要度、易损性、性能衰退过程易检性中的至少一个来确定部件的进 行寿命预测的必要性。重要度、易损性、性能衰退过程易检性越高，则表示越进行寿命预测的必要性越高，越需要进行寿命预测。部件选择模块220可将风机的所有部件中具有大于 预定水平的必要性的部件确定为需要进行寿命预测的部件。
这里，重要度表示部件故障时对风机正常工作的影响程度。例如，对于一些装饰性 的部件，其损坏基本对风机的正常工作没有影响，而风机的核心部件如果损坏则可能会导 致风机无法正常工作。易损性表示部件发生故障的频率。例如，可以基于故障历史记录来 确定一个部件发生故障的频率。性能衰退过程易检性表示检测到部件故障的难度。
在另一实施例中，部件选择模块220可根据上面的等式(I)来确定部件需要进行 寿命预测的必要性S，并将风机的所有部件中具有大于预定阈值的S值的部件确定为需要 进行寿命预测的部件。
生命周期判断模块230基于特征参数对部件选择模块220确定的需要寿命预测的 部件进行生命周期分析以确定部件所处的生命周期阶段。
部件的生命周期一般划分为正常阶段、性能衰退阶段和失效阶段，正常阶段和性 能衰退阶段可被称为非失效阶段。可利用现有各种生命周期分析技术来确定部件的生命周期。
生命周期判断模块230可根据部件所处的生命周期阶段，确定出处于失效阶段的 部件和处于非失效阶段的部件。
对于处于失效阶段的部件，生命周期判断模块230可通知用户(例如，风机维护人 员)进行故障处理。例如，对于可修复的部件，可以进行修复；对于不可修复的部件，可以更 换新的部件。
剩余寿命范围预测模块240可利用现有的各种剩余寿命范围分析技术来确定部 件的剩余寿命范围。
在一个实施例中，剩余寿命范围预测模块240利用动态可靠性分析模型来确定处 于非失效阶段的部件的剩余寿命范围。
具体地说，剩余寿命范围预测模块240首先利用动态可靠性分析模型建立部件的 可靠度和失效率随使用时间的变化动态过程曲线。例如，可利用动态可靠性分析模型引入 随机过程和极值分布原理计算并建立部件的可靠度和失效率随使用时间的变化动态过程 曲线。动态可靠性分析模型可以采用基于随机Petri网的动态可靠性分析模型。随后，剩 余寿命范围预测模块240基于该变化动态过程曲线确定部件的寿命范围，将确定的寿命范 围减去部件的使用工时，从而可以计算得到部件的剩余寿命范围。
在线寿命预测模块250对处于预定剩余寿命范围的部件进行在线剩余寿命预测。
这里的处于预定剩余寿命范围的部件是指剩余寿命范围的下限小于预定阈值的 部件。可通过现有的在线剩余寿命预测技术来进行在线剩余寿命预测。
在本发明的一个实施例中，在线寿命预测模块250使用支持向量机预测模型对处 于预定剩余寿命范围的部件进行在线剩余寿命预测。
图3示出根据本发明的实施例的在线寿命预测模块250的框图。
参数图3，在线寿命预测模块250可包括训练模块251、总寿命计算模块252、剩余 寿命计算模块253。
训练模块251用于训练支持向量机预测模型。具体地说，在每次对部件进行剩余 寿命预测时，训练模块251利用包括当前时间的一段时间内检测的部件的特征参数的时间序列作为样本集来训练支持向量机预测模型，从而获得该部件的特征参数的未来发展趋势 (例如，特征参数与时间的预测曲线)。
在另一实施例中，针对处于预定剩余寿命范围的部件之中的非间歇性部件，支持 向量机预测模型可采用最小二乘支持向量机预测模型。此时，训练模块251利用上述样本 集来训练最小二乘支持向量机预测模型，从而获得部件的特征参数的未来发展趋势。
针对处于预定剩余寿命范围的部件之中的间歇性工作部件，支持向量机预测模型 可采用集成最小二乘支持向量机预测模型。此时，训练模块251利用上述样本集来训练集 成最小二乘支持向量机预测模型，从而获得部件的特征参数的未来发展趋势。
总寿命计算模块252从获得的未来发展趋势提取与部件处于故障状态时的特征 参数对应的时间。由于一种部件的故障状态时的特征参数是可以预先确定的，因此可以基 于这种部件处于故障状态时的特征参数，从获得未来发展趋势(例如，特征参数与时间的 预测曲线)提取与这种部件处于故障状态时的特征参数对应的时间。此时提取的时间是该 部件的总寿命。
剩余寿命计算模块253将总寿命计算模块252计算的部件的寿命减去该部件的使 用工时，从而得到该部件的剩余寿命。
与其他剩余寿命检测技术相比，根据本发明的剩余寿命预测需要的样本数据量 小，并且能够精确地获得特征参数的更长时间的未来发展趋势，更适于在线剩余寿命预测 的需要。
在线预防维护模块260根据线寿命预测模块250的在线剩余寿命预测结果，确定 是否对部件进行维护处理。
具体地说，在部件的剩余寿命小于设备寿命预警阀值并大于设备更换阀值时，在 线预防维护模块260向用户发出报警，使用户降低该部件的使用强度，择机对部件进行相 应的检修，以提高整机的可靠度。这里，设备寿命预警阀值大于设备更换阀值。
在部件的剩余寿命小于等于设备更换阀值时，在线预防维护模块260向用户发出 报警，使用户更换该部件。例如，对风机进行相应的停机设备更换，以减少因元器件老化引 起机组故障，降低机组不必要的损失。
在线预防维护模块260可通过利用显示器、发声装置等各种报警装置来向用户发 出报警。
在根据本发明的另一实施例中，在线寿命预测模块250可部件选择模块220和/ 或在线预防维护模块260。在省略部件选择模块220时，生命周期判断模块230对风机的所 有部件或采集了特征参数的部件进行生命周期分析。
这里使用的术语“模块”代表硬件组件。部件选择模块220、生命周期判断模块 230、剩余寿命范围预测模块240、在线寿命预测模块250、在线预防维护模块260可由诸如 模块执行特定任务的现场可编程门阵列(FPGA)或专用集成电路(ASIC)来实现。本领域技 术人员根据说明书对这些模块的描述可以容易地实现对应的FPGA或ASIC的结构。
根据本发明的实施例的风机部件的寿命预测方法及系统可以在线获取风机的部 件的剩余寿命，从而指导风机的用户及时处理潜在的风机故障，从而保证风机的安全、可靠 运行。
此外，根据本发明的另一实施例的风机部件的寿命预测方法及系统可以从风机的部件中确定出有必要进行在线寿命预测的部件，从而在保证监控质量的同时，降低了监控 成本。
此外，根据本发明的风机部件的另一实施例的寿命预测方法及系统利用支持向量 机预测模型来进行在线寿命预测，这样需要的样本数据量小，从而降低了计算量，提高了预 测速度，并且能够精确地获得特征参数的更长时间的未来发展趋势，更适于在线剩余寿命 预测的需要。
尽管已经参照其示例性实施例具体显示和描述了本发明，但是本领域的技术人员 应该理解，在不脱离权利要求所限定的本发明的精神和范围的情况下，可以对其进行形式 和细节上的各种改变。
权利要求
1.一种风机部件的寿命预测方法，其特征在于，包括采集风机的部件的特征参数；根据采集的特征参数确定处于非失效阶段的部件；确定处于非失效阶段的部件的剩余寿命范围；对处于预定剩余寿命范围的部件进行在线剩余寿命预测。
2.如权利要求1所述的寿命预测方法，还包括根据采集的特征参数，确定需要进行寿命预测的部件，其中，根据采集的特征参数确定处于非失效阶段的部件的步骤包括根据采集的特征参数，从需要进行寿命预测的部件之中确定处于非失效阶段的部件。
3.如权利要求2所述的寿命预测方法，其中，确定需要进行寿命预测的部件的步骤包括根据部件的重要度、易损性、性能衰退过程易检性中的至少一个来 确定需要进行寿命预测的部件，其中，重要度表示部件故障时对风机正常工作的影响程度；易损性表示部件发生故障的频率；性能衰退过程易检性表示检测到部件故障的难度。
4.如权利要求1所述的寿命预测方法，还包括根据采集的特征参数确定处于失效阶段的部件。
5.如权利要求1所述的寿命预测方法，其中，确定处于非失效阶段的部件的剩余寿命范围的步骤包括利用动态可靠性分析模型来确定处于非失效阶段的部件的剩余寿命范围。
6.如权利要求5所述的寿命预测方法，其中，在确定处于非失效阶段的部件的剩余寿命范围时，利用动态可靠性分析模型建立部件的可靠度和失效率随使用时间的变化动态过程曲线，基于该变化动态过程曲线确定部件的寿命范围，将确定的寿命范围减去部件的使用工时，以计算部件的剩余寿命范围。
7.如权利要求6所述的寿命预测方法，其中，对处于预定剩余寿命范围的部件进行在线剩余寿命预测的步骤包括利用支持向量机预测模型对处于预定剩余寿命范围的部件进行在线剩余寿命预测。
8.如权利要求7所述的寿命预测方法，其中，每次对部件进行剩余寿命预测时，利用包括当前时间的一段时间内采集的部件的特征参数的时间序列作为样本集来训练支持向量机预测模型，以获得部件的特征参数的未来发展趋势，从获得的未来发展趋势提取与部件处于故障状态时的特征参数对应的时间，将该时间减去该部件的使用工时，从而得到该部件的剩余寿命。
9.如权利要求7或8所述的寿命预测方法，其中，针对处于预定剩余寿命范围的部件之中的非间歇性部件，采用最小二乘支持向量机对向量机预测模型建模；针对处于预定剩余寿命范围的部件之中的间歇性工作部件，采用集成最小二乘支持向量机对向量机预测模型建模。
10.如权利要求1所述的寿命预测方法，还包括在部件的剩余寿命小于设备寿命预警阀值并大于设备更换阀值时，向用户发出报警， 使用户降低该部件的使用强度；在部件的剩余寿命小于等于设备更换阀值时，向用户发出报警，使用户更换该部件，其中，设备寿命预警阀值大于设备更换阀值。
11.如权利要求3所述的寿命预测方法，其中，通过下列项中的至少一个表示性能衰退过程易检性风机是否输出用于衡量部件的性能的输出参数、输出参数衡量部件性能的完整性、通过外观观测来判别部件是否发生故障的可行性。
12.如权利要求1所述的寿命预测方法，其中，处于预定剩余寿命范围的部件是指剩余寿命范围的下限小于预定阈值的部件。
13.如权利要求1所述的寿命预测方法，其中，特征参数包括电气特性参数、机械特性参数和过程参数中的至少一种。
14.一种风机部件的寿命预测系统，包括数据采集模块，采集风机的部件的特征参数；生命周期判断模块，根据采集的特征参数确定处于非失效阶段的部件；剩余寿命范围预测模块，确定处于非失效阶段的部件的剩余寿命范围；在线寿命预测模块，对处于预定剩余寿命范围的部件进行在线剩余寿命预测。
15.如权利要求14所述的寿命预测系统，还包括部件选择模块，根据采集特征参数，确定需要进行寿命预测的部件，其中，生命周期判断模块根据采集的特征参数，从需要进行寿命预测的部件之中确定处于非失效阶段的部件。
16.如权利要求15所述的寿命预测系统，其中，部件选择模块根据部件的重要度、易损性、性能衰退过程易检性中的至少一个来确定需要进行寿命预测的部件，其中，重要度表示部件故障时对风机正常工作的影响程度；易损性表示部件发生故障的频率；性能衰退过程易检性表示检测到部件故障的难度。
17.如权利要求14所述的寿命预测系统，其中，生命周期判断模块还根据采集的特征参数确定处于失效阶段的部件。
18.如权利要求14所述的寿命预测系统，其中，剩余寿命范围预测模块利用动态可靠性分析模型来确定处于非失效阶段的部件的剩余寿命范围。
19.如权利要求18所述的寿命预测系统，其中，在确定处于非失效阶段的部件的剩余寿命范围时，剩余寿命范围预测模块利用动态可靠性分析模型建立部件的可靠度和失效率随使用时间的变化动态过程曲线，基于该变化动态过程曲线确定部件的寿命范围，将确定的寿命范围减去部件的使用工时，以计算部件的剩余寿命范围。
20.如权利要求19所述的寿命预测系统，其中，在线寿命预测模块利用支持向量机预测模型对处于预定剩余寿命范围的部件进行在线剩余寿命预测。
21.如权利要求20所述的寿命预测系统，其中，在线寿命预测模块包括训练模块，在每次对部件进行剩余寿命预测时，利用包括当前时间的一段时间内采集的部件的特征参数的时间序列作为样本集来训练支持向量机预测模型，以获得部件的特征参数的未来发展趋势；总寿命计算模块，从获得的未来发展趋势提取与部件处于故障状态时的特征参数对应的时间；剩余寿命计算模块，将该时间减去该部件的使用工时，从而得到该部件的剩余寿命。
22.如权利要求14所述的寿命预测系统，还包括在线预防维护模块，在部件的剩余寿命小于设备寿命预警阀值并大于设备更换阀值时，向用户发出报警，使用户降低该部件的使用强度；在部件的剩余寿命小于等于设备更换阀值时，向用户发出报警，使用户更换该部件，其中，设备寿命预警阀值大于设备更换阀值。
23.如权利要求16所述的寿命预测系统，其中，通过下列项中的至少一个表示性能衰退过程易检性风机是否输出用于衡量部件的性能的输出参数、输出参数衡量部件性能的完整性、通过外观观测来判别部件是否发生故障的可行性。
24.如权利要求14所述的寿命预测系统，其中，处于预定剩余寿命范围的部件是指剩余寿命范围的下限小于预定阈值的部件。
25.如权利要求20或21所述的寿命预测系统，其中，针对处于预定剩余寿命范围的部件之中的非间歇性部件，利用的支持向量机预测模型为最小二乘支持向量机预测模型；针对处于预定剩余寿命范围的部件之中的间歇性工作部件，利用的支持向量机预测模型为集成最小二乘支持向量机预测模型。
26.如权利要求14所述的寿命预测系统，其中，特征参数包括电气特性参数、机械特性参数和过程参数中的至少一种。
全文摘要
本发明提供一种风机部件的寿命预测方法及系统。所述风机部件的寿命预测方法包括采集风机的部件的特征参数；根据采集的特征参数确定处于非失效阶段的部件；确定处于非失效阶段的部件的剩余寿命范围；对处于预定剩余寿命范围的部件进行在线剩余寿命预测。根据本发明，可以在线获取风机的部件的剩余寿命，从而指导风机的用户及时处理潜在的风机故障，从而保证风机的安全、可靠运行。
文档编号G05B19/042GK103019135SQ20121049519
公开日2013年4月3日 申请日期2012年11月28日 优先权日2012年11月28日
发明者王文娟 申请人:北京金风科创风电设备有限公司