摘要
本发明公开了一种基于多尺度损伤耦合的风机齿轮箱寿命预测方法和系统,通过获取风机齿轮箱在预设运行时间中的时间序列,对获取的时间序列进行预处理,并建立状态空间方程,根据不同时间和不同损伤模式进行数据的特征提取,根据状态空间方程进行多尺度损伤耦合建模,耦合关系模型利用注意力机制学习不同尺度特征对综合损伤状态的贡献权重,以各预设时间的特征参数进行耦合,对神经网络进行训练,得到更新后的耦合关系模型,根据更新后的耦合关系模型来计算健康指标并计算寿命预测模型达到阈值的时间。本发明基于多尺度损伤耦合的风机齿轮箱寿命预测方法和系统,通过获取不同时间段内风机齿轮箱不同零部件的实时运行状态数据,通过时域特征提取方法,寻找各零部件之间的耦合关系,建立多尺度损伤耦合模型,可以有效地鉴别不同特征信息之间的干扰,可以有效提高风机齿轮箱剩余使用寿命的预测精度。
技术关键词
风机齿轮箱
寿命预测方法
多尺度
状态空间方程
寿命预测模型
耦合矩阵元素
训练神经网络模型
健康状态参数
数据采集模块
寿命预测系统
注意力机制
时域特征提取
时间段
剩余使用寿命
关系
序列
采集设备
系统为您推荐了相关专利信息
医学图像分割模型
医学图像分割方法
医学图像特征
多尺度特征提取
高频特征
多尺度特征提取
法兰密封件
条件随机场
表面缺陷检测方法
图像处理识别方法
周期性特征
分类方法
多尺度特征
电网运行数据
采样模块
语义特征
图像特征提取
协方差矩阵
关系
多尺度特征提取
风洞模型
压电加速度传感器
压电智能结构
状态空间方程
反馈增益系数