一种基于风电轴承保持架的轴承运行监测方法及设备与流程

1.本技术涉及风电机组运行监督技术领域，尤其涉及一种基于风电轴承保持架的轴承运行监测方法及设备。


背景技术：

2.轴承保持架是指部分地包裹全部或部分滚动体，并随之运动的轴承零件，用以隔离滚动体，通常还引导滚动体并将其保持在轴承内。风力发电机内部包含轴承，轴承内部具有大型的轴承保持架，轴承保持架对机组安全、稳定、高效的运行具有十分重要的作用。
3.传统的轴承保持架往往只能用于隔离滚动体，保持滚动体的运动位置，而若要获得轴承保持架的运行状态、健康状况等数据，只能通过人工去获取。一方面浪费人力成本，另外一方面数据信息获取滞后，并未实现对风机轴承及保持架的实时监管。


技术实现要素：

4.为解决上述问题，本技术实施例提供了一种基于风电轴承保持架的轴承运行监测方法及设备。
5.一方面，本技术实施例提供了一种基于风电轴承保持架的轴承运行监测方法，所述方法应用于风电机组；所述风电机组的轴承保持架设置有至少一个辅助定位传感器，用于对所述轴承保持架进行实时定位并发出相应定位信号；轴承环形外壳设置有用于采集所述定位信号的定位检测装置；所述方法包括：获取来自所述定位检测装置的定位采集数据集；其中，所述定位采集数据集至少包括所述辅助定位传感器的位置数据；通过预设差异数据定位算法，按照数据采集时序，对所述定位采集数据集进行分析，以确定所述轴承保持架的运行差异数据组；其中，同一所述运行差异数据组中所述位置数据与预设标准位置数据差值相同；基于来自所述定位检测装置的所述轴承环形外壳的振动信号及预设异常触发关联模型，确定各所述运行差异数据组与所述振动信号的关联程度值；基于各所述关联程度值及所述振动信号的振动强度值，对各所述运行差异数据组分别进行数据修正，以得到修正后的各运行数据组；一个所述运行数据组至少包括一个所述运行差异数据组，且在同一所述运行数据组中的所述运行差异数据组相应的所述关联程度值相同；根据各所述运行数据组及所述振动信号、相应的监测预警标准，确定所述轴承保持架相应的轴承健康状态，以将所述轴承健康状态发送至用户终端，对风机轴承运行进行监测预警。
6.在本技术的一种实现方式中，通过预设差异数据定位算法，按照数据采集时序，对所述定位采集数据集进行分析，以确定所述轴承保持架的运行差异数据组，具体包括：根据预先划分的监测时段，将所述定位采集数据集在同一所述监测时段的数据，
划分为多个运行监测分析序列；所述监测时段根据预设环境条件变化时段划分得到；各所述运行监测分析序列包括多个定位采集数据；所述定位采集数据至少包括时刻与位置数据组成的二元组；通过所述差异数据定位算法，将各所述运行监测分析序列中的各定位采集数据划分为多个运行监测分析子序列，并按照预设规则，依次确定各所述运行监测分析子序列的中位数；所述中位数通过比较所述位置数据得到；通过冒泡排序算法，生成各所述中位数对应的中位数序列，以确定所述中位数序列中的选定中位数；基于所述选定中位数、所述运行监测分析序列及预设的差异数据筛选值，确定各所述运行监测分析序列中与所述差异数据筛选值对应的元素位置的差异数据比对二元组；将各所述差异数据比对二元组中的所述位置数据与预设分组阈值区间比对，以根据所述比对结果及所述差异数据比对二元组，生成所述运行差异数据组。
7.在本技术的一种实现方式中，将各所述差异数据比对二元组中的所述位置数据与预设分组阈值区间比对，以根据所述比对结果及所述差异数据比对二元组，生成所述运行差异数据组，具体包括：确定各所述位置数据的纵坐标值；其中，所述位置数据的纵坐标轴沿垂直于所述辅助定位传感器所处环形位置的切线方向；将各所述纵坐标值与所述预设分组阈值区间进行比对；在所述比对结果为所述纵坐标值不在所述预设分组阈值区间的情况下，确定相应的所述差异数据比对二元组为待定分组数据二元组；分别以各所述待定分组数据二元组中的时刻为中心，预设划分时间值为邻域半径，确定分组时间区间，并确定各所述分组时间区间对应的定位采集数据，为所述运行差异数据组。
8.在本技术的一种实现方式中，基于来自所述定位检测装置的所述轴承环形外壳的振动信号及预设异常触发关联模型，确定各所述运行差异数据组与所述振动信号的关联程度值，具体包括：通过所述异常触发关联模型，计算所述运行差异数据组中的各位置数据的平均值，为第一位置均值，并确定各所述位置数据的第一位置标准差；以及计算与各所述位置数据的采集时刻对应的所述振动信号的振动强度值的平均值，为第一振动强度均值，并确定各所述振动强度值对应的第一振动强度标准差；将所述第一位置均值、所述第一位置标准差、所述第一振动强度均值及所述第一振动强度标准差，输入所述异常触发关联模型的皮尔逊相关系数计算公式，以根据计算结果，确定各所述运行差异数据组与相应的所述振动信号的所述关联程度值。
9.在本技术的一种实现方式中，根据计算结果，确定各所述运行差异数据组与相应的所述振动信号的所述关联程度值之前，所述方法还包括：通过所述异常触发关联模型，确定所述定位采集数据集对应的第二位置均值及第二位置标准差；以及确定与所述定位采集数据集对应的所述振动信号的第二振动强度均值、第二振动标准差；
通过所述皮尔逊相关系数计算公式，计算所述定位采集数据集与所述振动信号的第一关联系数；确定各所述运行差异数据组与相应的所述振动信号的第二关联系数，并将所述第一关联系数与所述第二关联系数的乘积，作为所述关联程度值。
10.在本技术的一种实现方式中，基于各所述关联程度值及所述振动信号的振动强度值，对各所述运行差异数据组分别进行数据修正，以得到修正后的各运行数据组，具体包括：根据各所述关联程度值，匹配预设权重列表中的关联权重；对与各所述运行差异数据组对应的所述振动信号的信号分段，进行聚类分析，以得到分类后的各信号分段级别；其中，所述信号分段为按照与所述运行差异数据组对应的数据采集时段，划分所述振动信号得到的；确定各所述信号分段级别对应的历史运行差异数据组及各所述历史运行差异数据组相应的历史关联权重修正值；其中，所述历史运行差异数据组的运行差异数据由不同信号分段级别的振动信号得到；通过预设匹配规则，将各所述运行差异数据组与相应的所述历史运行差异数据组匹配，以确定各所述运行差异数据组对应的所述历史关联权重修正值；根据所述历史关联权重修正值及预设修正策略，对所述关联权重进行修正，以根据修正后的所述关联权重，对各所述运行差异数据组分别进行数据修正，以得到修正后的各运行数据组。
11.在本技术的一种实现方式中，对与各所述运行差异数据组对应的所述振动信号的信号分段，进行聚类分析，以得到分类后的各信号分段级别，具体包括：确定各所述运行差异数据组对应的所述振动信号的信号分段，并生成各所述信号分段的振动信号分段曲线；通过预设余弦相似度公式，计算各所述振动信号分段曲线之间的余弦相似度，并生成相似度矩阵；基于所述相似度矩阵及所述振动信号分段曲线的曲线数量，确定信号相似度均值；依次遍历所述相似度矩阵中所述余弦相似度大于所述信号相似度均值的振动信号分段曲线组；所述振动信号分段曲线组至少包括两条所述振动信号分段曲线；根据各所述振动信号分段曲线组，将各所述振动信号分段曲线进行聚类，以得到若干聚类簇；根据与所述聚类簇中的聚类中心对应的所述振动信号分段曲线及历史振动强度分级列表，匹配各所述聚类簇对应的所述信号分段级别。
12.在本技术的一种实现方式中，所述方法还包括：在所述轴承保持架设置有两个以上所述辅助定位传感器的情况下，确定与各所述辅助定位传感器分别对应的各所述运行数据组；根据相应的定位采集数据的采集时刻，将各所述运行数据组进行合并处理，以通过合并处理后的所述运行数据组及所述振动信号、相应的监测预警标准，确定所述轴承保持架相应的轴承健康状态，以将所述轴承健康状态发送至用户终端，对风机轴承运行进行
监测预警。
13.在本技术的一种实现方式中，根据各所述运行数据组及所述振动信号、相应的监测预警标准，确定所述轴承保持架相应的轴承健康状态，以将所述轴承健康状态发送至用户终端，对风机轴承运行进行监测预警，具体包括：生成所述运行数据组的运行定位曲线；分别确定所述运行定位曲线中波峰值大于第一预设阈值的波峰值数量及波谷值小于第二预设阈值的波谷值数量；确定所述振动信号的振动信号强度，是否符合所述监测预警标准；若是，根据所述监测预警标准，根据所述波峰值数量及所述波谷值数量匹配相应的轴承健康状态；其中，所述轴承健康状态至少包括所述轴承保持架的寿命预测数据、所述风电机组的轴承运行状况数据；否则，根据所述振动信号强度与预设阈值区间，提高或降低所述监测预警标准。
14.另一方面，本技术实施例提供了一种基于风电轴承保持架的轴承运行监测设备，所述设备应用于风电机组；所述风电机组的轴承保持架设置有至少一个辅助定位传感器，用于对所述轴承保持架进行实时定位并发出相应定位信号；轴承环形外壳设置有用于采集所述定位信号的定位检测装置；所述设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：获取来自所述定位检测装置的定位采集数据集；其中，所述定位采集数据集至少包括所述辅助定位传感器的位置数据；通过预设差异数据定位算法，按照数据采集时序，对所述定位采集数据集进行分析，以确定所述轴承保持架的运行差异数据组；其中，同一所述运行差异数据组中所述位置数据与预设标准位置数据差值相同；基于来自所述定位检测装置的所述轴承环形外壳的振动信号及预设异常触发关联模型，确定各所述运行差异数据组与所述振动信号的关联程度值；基于各所述关联程度值及所述振动信号的振动强度，对各所述运行差异数据组分别进行数据修正，以得到修正后的各运行数据组；一个所述运行数据组至少包括一个所述运行差异数据组，且在同一所述运行数据组中的所述运行差异数据组相应的所述关联程度值相同；根据各所述运行数据组及所述振动信号、相应的监测预警标准，确定所述轴承保持架相应的轴承健康状态，以将所述轴承健康状态发送至用户终端，对风机轴承运行进行监测预警。
15.本技术通过上述方案，解决了当前的轴承运行状态、健康状况等数据主要依靠人工获取，信息获取滞后，并未实现对风机轴承及保持架的实时监管的问题。上述方案可以通过定位检测装置及辅助定位传感器进行轴承保持架径向位移运行状况的获取，并结合振动信号的振动强度，对轴承保持架的运行状况进行修正，然后根据相应的监测预警标准得到轴承健康状态。进而实现对风机轴承及保持架的实时监管。在轴承运行监测时，节省人力成
本的前提下，对轴承运行数据信息进行及时获取，对风机轴承及保持架进行实时监管。
附图说明
16.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：图1为本技术实施例中一种基于风电轴承保持架的轴承运行监测方法的一种流程示意图；图2为本技术实施例中一种基于风电轴承保持架的轴承运行监测方法中的轴承保持架环形截面示意图；图3为本技术实施例中一种基于风电轴承保持架的轴承运行监测方法中的定位监测装置的一种示意图；图4为本技术实施例中一种基于风电轴承保持架的轴承运行监测设备的结构示意图。
具体实施方式
17.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术具体实施例及相应的附图对本技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
18.风电机组一般处于风量充足、高寒、低温等恶劣环境中，风电机组的轴承部件是其进行风力发电的重要组成部分，恶劣环境下对轴承健康寿命、轴承健康运行状态要求高。因此，在风电机组运行过程中，需要检修人员定期对轴承健康状况如轴承疲劳寿命、轴承运行稳定情况等进行查看，并对轴承进行定期地维护。
19.人工进行轴承运行监测的方式，一方面，可能需要进行停机监测，人工检测时间长，监测效率低，无法做到及时获取监测数据、及时维护的目的；另一方面，风电机组数量多，人工对各风电机组轴承进行一一检测的检测周期长，数据信息获取滞后。若能够对轴承运行进行智能且实时地监测管理，可以提高风电机组的运行发电效率，降低人工成本，保障风电机组的健康运行状态。
20.基于此，本技术实施例提供了一种基于风电轴承保持架的轴承运行监测方法及设备，用来解决当前的轴承运行状态、健康状况等数据主要依靠人工获取，信息获取滞后，并未实现对风机轴承及保持架的实时监管的问题。
21.以下结合附图，详细说明本技术的各个实施例。
22.本技术实施例提供了一种基于风电轴承保持架的轴承运行监测方法，该方法应用于风电机组。风电机组的轴承保持架设置有至少一个辅助定位传感器，用于对轴承保持架进行实时定位并发出相应定位信号。轴承环形外壳设置有用于采集定位信号的定位检测装置。如图1所示，该方法可以包括步骤s101-s105：s101，服务器获取来自定位检测装置的定位采集数据集。
23.其中，定位采集数据集至少包括辅助定位传感器的位置数据。位置数据指的是位置坐标，如以图2中坐标系为例，辅助定位传感器的位置数据为该坐标系中的坐标。
24.上述辅助定位传感器可以设置于轴承保持架，如图2所示，辅助定位传感器如201、202、203、204设置于轴承保持架环形截面侧，若以图2中所建坐标系位置为轴承保持架进行转动的初始位置，初始位置上的辅助定位传感器的位置数据为标准位置数据；轴承环形外壳上，且位于辅助定位传感器201正上方的位置，设置定位检测装置。能够采集辅助定位传感器所发出的定位信号。图2所示有4个辅助定位传感器，实际使用过程中，本技术可以采用任意一个或多个辅助定位传感器，及任意数量的定位检测装置，只需生产轴承保持架时，保证安装辅助定位传感器后的轴承保持架质心居中即可。
25.辅助定位传感器可以发出其所处水平面上的定位信号（如激光信号、近场通信信号（near field communication，nfc）），相应地定位检测装置可以采集该定位信号所处水平面。如图3所示，定位检测装置用于采集辅助定位传感器的定位信号的信号采集面310及连接件320，该信号采集面310上设置有信号采集阵列如包含信号采集区域311、312、313，在实际使用过程中可包括更多区域，该信号采集阵列的每一区域都能够用于采集定位信号，并能够分别传输定位信号，或者分别传输采集的定位信号强度。该信号采集面310与轴承保持架的环形截面平行，当轴承保持架设置在其初始位置时，可以将信号采集面310中的信号采集区域312与辅助定位传感器处于同一水平面、相对设置。连接件320固定连接至轴承环形外壳。
26.在本技术的一个实施例中，若上述定位检测装置采集定位信号时，同一时间只有一个信号采集区域能够采集到定位信号（如激光）时，服务器可以根据采集到定位信号的信号采集区域，匹配该信号采集区域对应的位置数据。并将该位置数据作为辅助定位传感器的位置数据，进而得到辅助定位传感器在每次经过信号采集区域时的位置数据，生成定位采集数据集。其中，服务器中预先存储有各信号采集区域所设位置的位置数据。
27.在本技术的另一实施例中，若上述定位检测装置采集定位信号强度时，可能有多个信号采集区域均采集到定位信号，但是各信号采集区域采集到的信号强度之间存在差异，服务器选择信号强度最大的一信号采集区域，并将该信号采集区域对应的位置数据，作为辅助定位传感器所发定位信号的位置数据。若最大信号强度对应有一个以上的信号采集区域，服务器可以取两个信号采集区域对应的位置数据的平均值，作为辅助定位传感器所发定位信号的位置数据。
28.定位采集数据集可以是实时采集的位置数据，也可以是按照预设的采集时间间隔，进行筛选得到的位置数据，本技术对此不作具体限定。
29.需要说明的是，服务器作为基于风电轴承保持架的轴承运行监测方法的执行主体，仅为示例性存在，执行主体不仅限于服务器，本技术对此不作具体限定。
30.s102，服务器通过预设差异数据定位算法，按照数据采集时序，对定位采集数据集进行分析，以确定轴承保持架的运行差异数据组。
31.其中，同一运行差异数据组中位置数据与预设标准位置数据差值相同。
32.在本技术实施例中，通过预设差异数据定位算法，按照数据采集时序，对定位采集数据集进行分析，以确定轴承保持架的运行差异数据组，具体包括：首先，服务器根据预先划分的监测时段，将定位采集数据集在同一监测时段的数据，划分为多个运行监测分析序列。
33.监测时段根据预设环境条件变化时段划分得到。各运行监测分析序列包括多个定
位采集数据。定位采集数据至少包括时刻与位置数据组成的二元组。
34.监测时段可以是有用户根据环境条件变化时段进行划分的，例如某些环境条件下，风电机组需要进行停止运行，进行检修，不需要监测；某些环境条件下，对轴承运行监测的监测预警标准比较特殊，用户可以将该环境条件对应的持续时间，划分为一单独的监测时段，匹配其特定的监测预警标准；再如监测时段只针对某些环境条件如大风、下雨等。本技术对此监测时段具体划分方式不作具体限定，监测时段的划分可以降低服务器单次处理数据时的计算量，保证轴承运行监管效率。
35.服务器可以将同一监测时段下的定位采集数据集内的定位采集数据，划分为多个运行监测分析序列，运行监测分析序列的数量可以是多个，该多个的具体数值可以用户进行设定，例如设置方式为a-b之间的任意数等。
36.接着，服务器通过差异数据定位算法，将各运行监测分析序列中的各定位采集数据划分为多个运行监测分析子序列，并按照预设规则，依次确定各运行监测分析子序列的中位数。中位数通过比较二元组中的位置数据得到。
37.本技术中差异数据定位算法可以是线性查找算法，服务器可以将上述运行监测分析序列随机划分为多个运行监测分析子序列，运行监测分析序列中包含多个定位采集数据，本技术可以以5个定位采集数据形成一序列或7个定位采集数据形成的方式，生成多个运行监测分析子序列。并进行确定各个运行监测分析子序列中的中位数。中位数实际上是定位采集数据中位置数据，即坐标值，更准确地说是纵坐标值的中位数。因为时刻是线性排列的，而运行监测分析序列中的位置数据不是，在每一时刻轴承保持架都可能产生不同的径向方向的位移量，进而位置数据每一时刻都可能不同。
38.随后，服务器通过冒泡排序算法，生成各中位数对应的中位数序列，以确定中位数序列中的选定中位数。
39.冒泡排序算法能够依次比较两个相邻元素，并按照比较的元素大小关系，将序列中元素进行移动排列，得到由大到小或由小到大的序列。服务器通过该冒泡排序算法，可以将上述中位数进行排列为中位数序列，并能够确定该中位数序列中的中位数为选定中位数。其中，本技术在确定中位数时，若中位数有两个，本技术可以选择任意一个作为序列的中位数。例如中位数序列为[1,2,3,4,5,6,7,8,9]，选定中位数为5，再如中位数序列为[1,2,3,4,5,6,7,8]，选定中位数可以为4。
[0040]
随后，服务器基于选定中位数、运行监测分析序列及预设的差异数据筛选值，确定各运行监测分析序列中与差异数据筛选值对应的元素位置的差异数据比对二元组。差异数据比对二元组包括位置数据及其相对应的时刻。
[0041]
在服务器得到上述选定中位数之后，可以通过选定中位数进行划分运行监测分析序列，将大于该选定中位数的作为一划分子序列a，小于或等于该选定中位数的作为一划分子序列b。服务器可以确定划分子序列b中元素数量值b，并比较b与差异数据筛选值c的大小关系，在差异数据筛选值c小于或等于b时，从划分子序列中查找元素位置排序序号等于差异数据筛选值c的数据，作为差异数据比对二元组。差异数据比对二元组包括：时刻、位置数据。在差异数据筛选值c大于b时，在划分子序列a中查找c-b元素位置对应的定位采集数据。
[0042]
预设差异数据筛选值由用户进行设定，目的是保证选取差异数据比对二元组时，从各个运行监测分析序列中选到同一数值大小排列位置的纵坐标值，以保证选取的定位采
集数据均匀。同一数值大小排列位置指的是例如一个序列中有n个元素，从大到小排列，通过差异数据筛选值c，可以选到大小顺序为第c大的元素；另一序列中有n个元素，本技术也可以选到其中的第c大的元素。通过上述方案，可以从各个运行监测分析序列中，第差异数据筛选值大的位置数据，进而得到各个差异数据比对二元组，避免在选取数据中，选到序列中最大或最小之类，没有代表性的数据，影响后续生成的运行差异数据组的可参考价值，最终影响轴承运行监测效果。
[0043]
最后，服务器将各差异数据比对二元组中的位置数据与预设分组阈值区间比对，以根据比对结果及差异数据比对二元组，生成运行差异数据组。
[0044]
预设分组阈值区间可以由用户进行设定，也可以是参考历史的轴承保持架径向运行位移量的平均值并添加邻域误差进行确定的，邻域误差指的是部分运行过程中的误差。例如平均值为0，领域误差为0.5，预设分组阈值区间为[-0.5,0.5]，此处数值仅为示例，本技术对预设分组阈值区间不作具体限定。
[0045]
其中，将各差异数据比对二元组中的位置数据与预设分组阈值区间比对，以根据比对结果及差异数据比对二元组，生成运行差异数据组，具体包括：服务器确定各位置数据的纵坐标值。其中，位置数据的纵坐标轴沿垂直于辅助定位传感器所处环形位置的切线方向。将各纵坐标值与预设分组阈值区间进行比对。在比对结果为纵坐标值不在预设分组阈值区间的情况下，确定相应的差异数据比对二元组为待定分组数据二元组。分别以各待定分组数据二元组中的时刻为中心，预设划分时间值为邻域半径，确定分组时间区间，并确定各分组时间区间对应的定位采集数据，为运行差异数据组。
[0046]
预设划分时间值例如10秒、5秒等，分组时间区间如[1，20]，数量单位可以为秒，也可以设定为分钟，本技术对于划分时间值的数量单位不作具体限定。
[0047]
通过上述得到的差异数据比对二元组，进行划分得到运行差异数据组，也就是根据轴承保持架径向位移量不在预设分组阈值区间的数据，划分运行差异数据组，能够得到不同时间对应的位移量过大的运行差异数据组。
[0048]
此外，在风电机组运行过程中，还可能面临轴承保持架打滑的情况，本技术可以通过以下技术方案，避免得到的运行差异数据组因轴承保持架打滑造成的数据不均匀。
[0049]
服务器可以确定各采集时刻的振动信号的振动强度值及轴承保持架的运行时长、用户预先设定的寿命预测磨损值，根据打滑风险计算公式，打滑风险值，为预设的使用时长权重，为振动信号的振动强度值权重，为预设的寿命预测磨损值权重，为使用时长，为振动强度值，为寿命预测磨损值。打滑风险计算公式可以在用户实际地使用过程中，根据经验进行调整权重参数得到。根据每一采集时刻对应的打滑风险，在打滑风险大于用户自行设定的预设风险阈值时，可以匹配相应的打滑时间段调整步长，该打滑时间段调整步长可以将定位采集数据集中的采集时刻进行调整，例如打滑时间段调整步长为00:01，定位采集数据集中有两个数据采集时刻为00:05，00：08，服务器将两个数据采集时刻调整为00:04，00:06。
[0050]
s103，服务器基于来自定位检测装置的轴承环形外壳的振动信号及预设异常触发关联模型，确定各运行差异数据组与振动信号的关联程度值。
[0051]
其中，基于来自定位检测装置的轴承环形外壳的振动信号及预设异常触发关联模型，确定各运行差异数据组与振动信号的关联程度值，具体包括：服务器通过异常触发关联模型，计算运行差异数据组中的各位置数据的平均值，为第一位置均值，并确定各位置数据的第一位置标准差。以及计算与各位置数据的采集时刻对应的振动信号的振动强度值的平均值，为第一振动强度均值，并确定各振动强度值对应的第一振动强度标准差。
[0052]
接着，将第一位置均值、第一位置标准差、第一振动强度均值及第一振动强度标准差，输入异常触发关联模型的皮尔逊相关系数计算公式，以根据计算结果，确定各运行差异数据组与相应的振动信号的关联程度值。
[0053]
也就是说，本技术可以通过异常触发关联模型进行分别计算各个运行差异数据组中位置数据（纵坐标值）的平均值，得到第一位置均值。并根据第一位置均值及位置数据，进行计算第一位置标准差。同理，进行计算振动信号的振动强度值的第一振动强度均值及第一振动强度标准差，然后利用皮尔逊相关系数计算公式，具体公式如下：其中，为皮尔逊相关系数，为运行差异数据组中的数据数量，为运行差异数据组中位置数据，为第一位置均值，为第一位置标准差，为振动信号的振动强度值，为第一振动强度均值，为第一振动强度标准差。
[0054]
通过异常触发关联模型，可以建立运行差异数据组与其对应的振动信号之间的关联关系，并计算其关联关系的关联程度值。
[0055]
此外，在根据计算结果，确定各运行差异数据组与相应的振动信号的关联程度值之前，方法还包括：服务器通过异常触发关联模型，确定定位采集数据集对应的第二位置均值及第二位置标准差。以及确定与定位采集数据集对应的振动信号的第二振动强度均值、第二振动标准差。通过皮尔逊相关系数计算公式，计算定位采集数据集与振动信号的第一关联系数。确定各运行差异数据组与相应的振动信号的第二关联系数，并将第一关联系数与第二关联系数的乘积，作为关联程度值。
[0056]
也就是说，本技术能够进行计算未进行分组之前的定位采集数据集与振动信号的关联关系，从整体上确定定位采集数据集与振动信号之间的第一关联系数，并从分组中分别确定各第二关联系数，根据整体与个体上的关联系数，得到关联程度值，进而使位置数据与振动信号之间的关联程度值更准确、可信。
[0057]
s104，服务器基于各关联程度值及振动信号的振动强度值，对各运行差异数据组分别进行数据修正，以得到修正后的各运行数据组。
[0058]
上述一个运行数据组至少包括一个运行差异数据组，且在同一运行数据组中的运行差异数据组相应的关联程度值相同。
[0059]
在本技术实施例中，基于各关联程度值及振动信号的振动强度值，对各运行差异数据组分别进行数据修正，以得到修正后的各运行数据组，具体包括：
首先，服务器根据各关联程度值，匹配预设权重列表中的关联权重。
[0060]
预设权重列表是用户自行设定的，因为上述关联程度值是[-1,1]之间，用于计算不便，可以设定关联程度值对应的关联权重，并得到权重列表，该权重列表可以在实际使用过程中进行参考历史数据进行设定，本技术对此不作具体限定。
[0061]
接着，服务器对与各运行差异数据组对应的振动信号的信号分段，进行聚类分析，以得到分类后的各信号分段级别。
[0062]
其中，信号分段为按照与运行差异数据组对应的数据采集时段，划分振动信号得到的。
[0063]
具体地，服务器可以确定各运行差异数据组对应的振动信号的信号分段，并生成各信号分段的振动信号分段曲线。并通过预设余弦相似度公式，计算各振动信号分段曲线之间的余弦相似度，并生成相似度矩阵。以及基于相似度矩阵及振动信号分段曲线的曲线数量，确定信号相似度均值。
[0064]
也就是说，服务器可以按照上述分组之后的运行差异数据组的时间分段，对振动信号进行信号分段，并生成各信号分段的振动信号分段曲线。接着，服务器可以通过余弦相似度计算公式，对各曲线之间的余弦相似度进行计算，并建立具有各个曲线之间余弦相似度的相似度矩阵。随后，服务器可以根据相似度矩阵中的余弦相似度及曲线数量，进行确定信号相似度均值。
[0065]
信号相似度均值的具体计算方式可以是，服务器计算相似度矩阵中的余弦相似度的和值，并将该和值除以总的曲线数量，得到信号相似度均值。
[0066]
服务器依次遍历相似度矩阵中余弦相似度大于信号相似度均值的振动信号分段曲线组。振动信号分段曲线组至少包括两条振动信号分段曲线。然后，根据各振动信号分段曲线组，将各振动信号分段曲线进行聚类，以得到若干聚类簇。再根据与聚类簇中的聚类中心对应的振动信号分段曲线及历史振动强度分级列表，匹配各聚类簇对应的信号分段级别。
[0067]
每个余弦相似度对应于两条振动信号分段曲线，服务器将余弦相似度大于信号相似度均值的振动信号分段曲线均添加至同一曲线组，得到上述振动信号分段曲线组。例如以第一条振动信号分段曲线开始，进行遍历，与第一条振动信号分段曲线的余弦相似度大于信号相似度均值的振动信号分段曲线，均添加至第一振动信号分段曲线组中。再以第二条振动信号分段曲线开始进行遍历，已经完成遍历生成曲线组的，不再参加后续遍历过程，即第二条振动信号分段曲线进行遍历时，不会再比较第二条振动信号分段曲线与第一条振动信号分段曲线之间的余弦相似度。服务器生成各振动信号分段曲线组，接着，进行振动信号分段曲线组之间的聚类。如某个振动信号分段曲线组m1与另一振动信号分段曲线组m2中，m1存在至少一个曲线与m2中多个曲线的余弦相似度大于上述信号相似度均值，将两个振动信号分段曲线组合并，直至遍历所有振动信号分段曲线组，得到多个聚类簇。
[0068]
随后，服务器可以各聚类簇中确定聚类中心，并将聚类中心对应的振动信号分段曲线与预设的历史振动强度分级列表进行匹配，历史振动强度分级列表可以由用户自行设定，本技术对此不作具体限定。历史振动强度分级列表中可以记录多个预设曲线与预设信号分段级别的对应关系，服务器可以计算振动信号分段曲线与各预设曲线的相似度，如将弗雷歇距离作为两曲线相似度，选择弗雷歇距离最小的预设曲线对应的信号分段级别，作
为聚类中心的信号分段级别，进而确定各聚类簇对应的信号分段级别，信号分段级别可以用户自行设定，本技术对此不作具体限定。本技术也可以通过其他方式确定曲线相似度，本技术对此不作具体限定。
[0069]
然后，服务器确定各信号分段级别对应的历史运行差异数据组及各历史运行差异数据组相应的历史关联权重修正值。其中，历史运行差异数据组的运行差异数据由不同信号分段级别的振动信号得到。并通过预设匹配规则，将各运行差异数据组与相应的历史运行差异数据组匹配，以确定各运行差异数据组对应的历史关联权重修正值。
[0070]
服务器在得到各聚类簇的信号分段级别之后，可以确定信号分段级别所对应的历史运行差异数据组，历史运行差异数据组可以是在当前运行差异数据组采集之前的或前一次相同监测时段的运行差异数据组。历史运行差异数据组存在历史关联权重修正值，通过确定的信号分段级别，匹配历史运行差异数据组，进而得到各运行差异数据组对应的历史关联权重修正值。上述预设匹配规则可以是将两个数据组中的数据按照顺序，相对应地进行欧式距离平均值计算，将欧式距离平均值最小的一个历史运行差异数据组作为匹配的历史运行差异数据组，进而得到历史关联权重修正值。
[0071]
最后，服务器根据历史关联权重修正值及预设修正策略，对关联权重进行修正，以根据修正后的关联权重，对各运行差异数据组分别进行数据修正，以得到修正后的各运行数据组。
[0072]
历史关联权重修正值是对上述关联权重进行消除噪音的一修正值，预设修正策略可以理解的是，对于不同大小的关联权重，可以进行加或减去该修正值，进而修正关联权重。将修正后的关联权重与运行差异数据组中的位置数据分别进行相乘，进而修正位置数据，得到修正后的运行数据组。
[0073]
s105，服务器根据各运行数据组及振动信号、相应的监测预警标准，确定轴承保持架相应的轴承健康状态，以将轴承健康状态发送至用户终端，对风机轴承运行进行监测预警。
[0074]
用户终端可以是风电机组监管人员的手机、电脑等设备，本技术对此不作具体限定。服务器将轴承健康状态发送至用户终端，用户可以查看该轴承健康状态并采取相应的维护手段。
[0075]
在本技术实施例中，在轴承保持架设置有两个以上辅助定位传感器的情况下，确定与各辅助定位传感器分别对应的各运行数据组。根据相应的定位采集数据的采集时刻，将各运行数据组进行合并处理，以通过合并处理后的运行数据组及振动信号、相应的监测预警标准，确定轴承保持架相应的轴承健康状态，以将轴承健康状态发送至用户终端，对风机轴承运行进行监测预警。
[0076]
也就是说，如图2中有多个辅助定位传感器时，服务器可以将各辅助定位传感器分别对应的运行数据组，按照时间进行合并为同一运行数据组，然后进行风机轴承运行的监测预警，可以避免只针对一个辅助定位传感器采集数据的误差，提高监测预警的准确度。
[0077]
在本技术实施例中，根据各运行数据组及振动信号、相应的监测预警标准，确定轴承保持架相应的轴承健康状态，以将轴承健康状态发送至用户终端，对风机轴承运行进行监测预警，具体包括：服务器可以生成运行数据组的运行定位曲线。分别确定运行定位曲线中波峰值大
于第一预设阈值的波峰值数量及波谷值小于第二预设阈值的波谷值数量。确定振动信号的振动信号强度，是否符合监测预警标准。在确定振动信号的振动信号强度，符合监测预警标准的情况下，根据监测预警标准，根据波峰值数量及波谷值数量匹配相应的轴承健康状态。其中，轴承健康状态至少包括轴承保持架的寿命预测数据、风电机组的轴承运行状况数据。否则，根据振动信号强度与预设阈值区间，提高或降低监测预警标准。
[0078]
上述第一预设阈值、第二预设阈值由用户自行设定，本技术对此不作具体限定。监测预警标准例如振动信号强度处于监测预警标准的某一阈值区间时，根据波峰值数据及波谷值数量，生成与该监测预警标准所匹配的轴承健康状态信息，例如轴承寿命预测数据降低x时长，轴承运行状况不佳等。监测预警标准具有多个监测预警的阈值区间，如果当前振动信号强度不满足当前所选定的监测预警标注的阈值区间，服务器可以进行监测预警标准调整，以匹配到相应的轴承健康状态。
[0079]
本技术通过上述方案，可以通过定位检测装置及辅助定位传感器进行轴承保持架径向位移运行状况的获取，并结合振动信号的振动强度，对轴承保持架的运行状况进行修正，然后根据相应的监测预警标准得到轴承健康状态。进而实现对风机轴承及保持架的实时监管。在轴承运行监测时，节省人力成本的前提下，对轴承运行数据信息进行及时获取，对风机轴承及保持架进行实时监管。解决了当前的轴承运行状态、健康状况等数据主要依靠人工获取，信息获取滞后，并未实现对风机轴承及保持架的实时监管的问题。
[0080]
图4为本技术实施例提供的一种基于风电轴承保持架的轴承运行监测设备的结构示意图，设备应用于风电机组。风电机组的轴承保持架设置有至少一个辅助定位传感器，用于对轴承保持架进行实时定位并发出相应定位信号。轴承环形外壳设置有用于采集定位信号的定位检测装置。设备包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器。其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：获取来自定位检测装置的定位采集数据集。其中，定位采集数据集至少包括辅助定位传感器的位置数据。通过预设差异数据定位算法，按照数据采集时序，对定位采集数据集进行分析，以确定轴承保持架的运行差异数据组。其中，同一运行差异数据组中位置数据与预设标准位置数据差值相同。基于来自定位检测装置的轴承环形外壳的振动信号及预设异常触发关联模型，确定各运行差异数据组与振动信号的关联程度值。基于各关联程度值及振动信号的振动强度，对各运行差异数据组分别进行数据修正，以得到修正后的各运行数据组。一个运行数据组至少包括一个运行差异数据组，且在同一运行数据组中的运行差异数据组相应的关联程度值相同。根据各运行数据组及振动信号、相应的监测预警标准，确定轴承保持架相应的轴承健康状态，以将轴承健康状态发送至用户终端，对风机轴承运行进行监测预警。
[0081]
本技术中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0082]
本技术实施例提供的设备与方法是一一对应的，因此，设备也具有与其对应的方
法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述设备的有益技术效果。
[0083]
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
[0084]
以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。

技术特征：
1.一种基于风电轴承保持架的轴承运行监测方法，其特征在于，所述方法应用于风电机组；所述风电机组的轴承保持架设置有至少一个辅助定位传感器，用于对所述轴承保持架进行实时定位并发出相应定位信号；轴承环形外壳设置有用于采集所述定位信号的定位检测装置；所述方法包括：获取来自所述定位检测装置的定位采集数据集；其中，所述定位采集数据集至少包括所述辅助定位传感器的位置数据；通过预设差异数据定位算法，按照数据采集时序，对所述定位采集数据集进行分析，以确定所述轴承保持架的运行差异数据组；其中，同一所述运行差异数据组中所述位置数据与预设标准位置数据差值相同；基于来自所述定位检测装置的所述轴承环形外壳的振动信号及预设异常触发关联模型，确定各所述运行差异数据组与所述振动信号的关联程度值；基于各所述关联程度值及所述振动信号的振动强度值，对各所述运行差异数据组分别进行数据修正，以得到修正后的各运行数据组；一个所述运行数据组至少包括一个所述运行差异数据组，且在同一所述运行数据组中的所述运行差异数据组相应的所述关联程度值相同；根据各所述运行数据组及所述振动信号、相应的监测预警标准，确定所述轴承保持架相应的轴承健康状态，以将所述轴承健康状态发送至用户终端，对风机轴承运行进行监测预警。2.根据权利要求1所述的一种基于风电轴承保持架的轴承运行监测方法，其特征在于，通过预设差异数据定位算法，按照数据采集时序，对所述定位采集数据集进行分析，以确定所述轴承保持架的运行差异数据组，具体包括：根据预先划分的监测时段，将所述定位采集数据集在同一所述监测时段的数据，划分为多个运行监测分析序列；所述监测时段根据预设环境条件变化时段划分得到；各所述运行监测分析序列包括多个定位采集数据；所述定位采集数据至少包括时刻与位置数据组成的二元组；通过所述差异数据定位算法，将各所述运行监测分析序列中的各定位采集数据划分为多个运行监测分析子序列，并按照预设规则，依次确定各所述运行监测分析子序列的中位数；所述中位数通过比较所述位置数据得到；通过冒泡排序算法，生成各所述中位数对应的中位数序列，以确定所述中位数序列中的选定中位数；基于所述选定中位数、所述运行监测分析序列及预设的差异数据筛选值，确定各所述运行监测分析序列中与所述差异数据筛选值对应的元素位置的差异数据比对二元组；将各所述差异数据比对二元组中的所述位置数据与预设分组阈值区间比对，以根据比对结果及所述差异数据比对二元组，生成所述运行差异数据组。3.根据权利要求2所述的一种基于风电轴承保持架的轴承运行监测方法，其特征在于，将各所述差异数据比对二元组中的所述位置数据与预设分组阈值区间比对，以根据所述比对结果及所述差异数据比对二元组，生成所述运行差异数据组，具体包括：确定各所述位置数据的纵坐标值；其中，所述位置数据的纵坐标轴沿垂直于所述辅助定位传感器所处环形位置的切线方向；
将各所述纵坐标值与所述预设分组阈值区间进行比对；在所述比对结果为所述纵坐标值不在所述预设分组阈值区间的情况下，确定相应的所述差异数据比对二元组为待定分组数据二元组；分别以各所述待定分组数据二元组中的时刻为中心，预设划分时间值为邻域半径，确定分组时间区间，并确定各所述分组时间区间对应的定位采集数据，为所述运行差异数据组。4.根据权利要求1所述的一种基于风电轴承保持架的轴承运行监测方法，其特征在于，基于来自所述定位检测装置的所述轴承环形外壳的振动信号及预设异常触发关联模型，确定各所述运行差异数据组与所述振动信号的关联程度值，具体包括：通过所述异常触发关联模型，计算所述运行差异数据组中的各位置数据的平均值，为第一位置均值，并确定各所述位置数据的第一位置标准差；以及计算与各所述位置数据的采集时刻对应的所述振动信号的振动强度值的平均值，为第一振动强度均值，并确定各所述振动强度值对应的第一振动强度标准差；将所述第一位置均值、所述第一位置标准差、所述第一振动强度均值及所述第一振动强度标准差，输入所述异常触发关联模型的皮尔逊相关系数计算公式，以根据计算结果，确定各所述运行差异数据组与相应的所述振动信号的所述关联程度值。5.根据权利要求4所述的一种基于风电轴承保持架的轴承运行监测方法，其特征在于，根据计算结果，确定各所述运行差异数据组与相应的所述振动信号的所述关联程度值之前，所述方法还包括：通过所述异常触发关联模型，确定所述定位采集数据集对应的第二位置均值及第二位置标准差；以及确定与所述定位采集数据集对应的所述振动信号的第二振动强度均值、第二振动标准差；通过所述皮尔逊相关系数计算公式，计算所述定位采集数据集与所述振动信号的第一关联系数；确定各所述运行差异数据组与相应的所述振动信号的第二关联系数，并将所述第一关联系数与所述第二关联系数的乘积，作为所述关联程度值。6.根据权利要求1所述的一种基于风电轴承保持架的轴承运行监测方法，其特征在于，基于各所述关联程度值及所述振动信号的振动强度值，对各所述运行差异数据组分别进行数据修正，以得到修正后的各运行数据组，具体包括：根据各所述关联程度值，匹配预设权重列表中的关联权重；对与各所述运行差异数据组对应的所述振动信号的信号分段，进行聚类分析，以得到分类后的各信号分段级别；其中，所述信号分段为按照与所述运行差异数据组对应的数据采集时段，划分所述振动信号得到的；确定各所述信号分段级别对应的历史运行差异数据组及各所述历史运行差异数据组相应的历史关联权重修正值；其中，所述历史运行差异数据组的运行差异数据由不同信号分段级别的振动信号得到；通过预设匹配规则，将各所述运行差异数据组与相应的所述历史运行差异数据组匹配，以确定各所述运行差异数据组对应的所述历史关联权重修正值；
根据所述历史关联权重修正值及预设修正策略，对所述关联权重进行修正，以根据修正后的所述关联权重，对各所述运行差异数据组分别进行数据修正，以得到修正后的各运行数据组。7.根据权利要求6所述的一种基于风电轴承保持架的轴承运行监测方法，其特征在于，对与各所述运行差异数据组对应的所述振动信号的信号分段，进行聚类分析，以得到分类后的各信号分段级别，具体包括：确定各所述运行差异数据组对应的所述振动信号的信号分段，并生成各所述信号分段的振动信号分段曲线；通过预设余弦相似度公式，计算各所述振动信号分段曲线之间的余弦相似度，并生成相似度矩阵；基于所述相似度矩阵及所述振动信号分段曲线的曲线数量，确定信号相似度均值；依次遍历所述相似度矩阵中所述余弦相似度大于所述信号相似度均值的振动信号分段曲线组；所述振动信号分段曲线组至少包括两条所述振动信号分段曲线；根据各所述振动信号分段曲线组，将各所述振动信号分段曲线进行聚类，以得到若干聚类簇；根据与所述聚类簇中的聚类中心对应的所述振动信号分段曲线及历史振动强度分级列表，匹配各所述聚类簇对应的所述信号分段级别。8.根据权利要求1所述的一种基于风电轴承保持架的轴承运行监测方法，其特征在于，所述方法还包括：在所述轴承保持架设置有两个以上所述辅助定位传感器的情况下，确定与各所述辅助定位传感器分别对应的各所述运行数据组；根据相应的定位采集数据的采集时刻，将各所述运行数据组进行合并处理，以通过合并处理后的所述运行数据组及所述振动信号、相应的监测预警标准，确定所述轴承保持架相应的轴承健康状态，以将所述轴承健康状态发送至用户终端，对风机轴承运行进行监测预警。9.根据权利要求8所述的一种基于风电轴承保持架的轴承运行监测方法，其特征在于，根据各所述运行数据组及所述振动信号、相应的监测预警标准，确定所述轴承保持架相应的轴承健康状态，以将所述轴承健康状态发送至用户终端，对风机轴承运行进行监测预警，具体包括：生成所述运行数据组的运行定位曲线；分别确定所述运行定位曲线中波峰值大于第一预设阈值的波峰值数量及波谷值小于第二预设阈值的波谷值数量；确定所述振动信号的振动信号强度，是否符合所述监测预警标准；若是，根据所述监测预警标准，根据所述波峰值数量及所述波谷值数量匹配相应的轴承健康状态；其中，所述轴承健康状态至少包括所述轴承保持架的寿命预测数据、所述风电机组的轴承运行状况数据；否则，根据所述振动信号强度与预设阈值区间，提高或降低所述监测预警标准。10.一种基于风电轴承保持架的轴承运行监测设备，其特征在于，所述设备应用于风电机组；所述风电机组的轴承保持架设置有至少一个辅助定位传感器，用于对所述轴承保持
架进行实时定位并发出相应定位信号；轴承环形外壳设置有用于采集所述定位信号的定位检测装置；所述设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：获取来自所述定位检测装置的定位采集数据集；其中，所述定位采集数据集至少包括所述辅助定位传感器的位置数据；通过预设差异数据定位算法，按照数据采集时序，对所述定位采集数据集进行分析，以确定所述轴承保持架的运行差异数据组；其中，同一所述运行差异数据组中所述位置数据与预设标准位置数据差值相同；基于来自所述定位检测装置的所述轴承环形外壳的振动信号及预设异常触发关联模型，确定各所述运行差异数据组与所述振动信号的关联程度值；基于各所述关联程度值及所述振动信号的振动强度，对各所述运行差异数据组分别进行数据修正，以得到修正后的各运行数据组；一个所述运行数据组至少包括一个所述运行差异数据组，且在同一所述运行数据组中的所述运行差异数据组相应的所述关联程度值相同；根据各所述运行数据组及所述振动信号、相应的监测预警标准，确定所述轴承保持架相应的轴承健康状态，以将所述轴承健康状态发送至用户终端，对风机轴承运行进行监测预警。

技术总结
本申请提供了一种基于风电轴承保持架的轴承运行监测方法及设备，属于风电机组运行监督技术领域。该方法先获取来自定位检测装置的定位采集数据集。通过差异数据定位算法，按照数据采集时序，对定位采集数据集进行分析，以确定轴承保持架的运行差异数据组。基于来自定位检测装置的轴承环形外壳的振动信号及异常触发关联模型，确定各运行差异数据组与振动信号的关联程度值。基于各关联程度值及振动信号的振动强度值，对各运行差异数据组分别进行数据修正，以得到修正后的运行数据组。根据各运行数据组及振动信号、相应的监测预警标准，确定轴承保持架相应的轴承健康状态，以将轴承健康状态发送至用户终端，对风机轴承运行进行监测预警。测预警。测预警。


技术研发人员：郑广会 赵培振 郑金宇 郑金泽
受保护的技术使用者：山东金帝精密机械科技股份有限公司
技术研发日：2023.05.10
技术公布日：2023/6/7