基于温度适应性的智能风电齿轮箱自适应润滑系统及方法与流程

本发明涉及风电齿轮箱，更具体地说，本发明涉及基于温度适应性的智能风电齿轮箱自适应润滑系统及方法。

背景技术：

1、风电齿轮箱是在风力发电机组中重要的机械部件，主要是将风轮在风力作用下所产生的动力传递给发电机并使其得到相应的转速；为了确保风电齿轮箱能够在低温的环境下正常启动，需要对风电齿轮箱的运转和润滑状态进行监测和维护保养；传统的风电齿轮箱润滑系统通常采用固定参数的润滑油，无法根据实际的运行温度变化进行动态调整润滑油的参数，这样的固定参数润滑系统在风电齿轮箱在启动过程中，由于润滑油黏度增大，启动时需要更多的启动力才能克服油润滑的阻力，且不易覆盖风电齿轮箱内的齿轮和轴承表面，从而增加齿轮与轴承之间的摩擦和磨损；现有的通过对润滑油的加热来降低润滑油的黏度，进而实现风电齿轮箱的润滑作用;

2、例如，公开号为cn108087534a的中国专利公开了温度适应型风电齿轮箱润滑系统，上述方法虽能在一定程度上改善风电齿轮箱的润滑效果，但经发明人对上述方法以及现有技术进行研究和应用发现，上述方法以及现有技术缺少对启动阶段细节划分，无法获取润滑油在启动阶段到正常运行阶段进行自适应润滑，进而未达到最佳的润滑效果。

3、为此，本发明提供了基于温度适应性的智能风电齿轮箱自适应润滑系统及方法。

技术实现思路

1、为了克服现有技术的上述缺陷，本发明提供了基于温度适应性的智能风电齿轮箱自适应润滑系统及方法，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：基于温度适应性的智能风电齿轮箱自适应润滑方法，包括：

3、步骤1：获取风电齿轮箱的第一运行数据集，基于第一运行数据集训练出用于获取润滑油的初始油温和初始油量的润滑油训练模型；所述第一运行数据集包括风电齿轮箱的运行特征数据和运行特征数据对应的第一润滑油数据，所述风电齿轮箱的运行特征数据包括风电齿轮箱的运行温度、风电齿轮箱的转速和阻尼评估系数，所述第一润滑油数据包括初始油温和初始油量；

4、步骤2：获取风电齿轮箱的第二运行数据集，基于第二运行数据集训练出用于获取润滑调节数据的润滑油调节模型；第二运行数据集包括润滑油特征数据和润滑油特征数据对应的润滑调节数据；所述润滑油特征数据包括润滑油的初始油量和初始供给速率；所述润滑调节数据包括润滑油的优级流量调节量和优级供给速率调节量；

5、步骤3：获取风电齿轮箱的运行特征数据，利用润滑油训练模型对所述运行特征数据进行分析，确定风电齿轮箱在启动阶段时润滑油的初始油温和初始油量；根据初始油温和初始油量将润滑油调至第一标准黏度；

6、步骤4：当润滑油在到达第一标准黏度时，获取润滑油的实测特征数据，利用润滑油调节模型对实测特征数据进行分析，以获取润滑油的润滑调节数据；所述实测特征数据包括初始油量和初始供给速率；

7、步骤5：根据润滑调节数据控制风电齿轮箱所连接的油泵，将风电齿轮箱内的润滑油调节至第二标准黏度，使得风电齿轮箱顺利进入正常运行阶段。

8、进一步地，所述阻尼评估系数的生成逻辑如下：

9、提取风电齿轮箱的转矩、振动加速度和振动频率，并分别标记为、和；

10、将风电齿轮箱的转矩、振动加速度和振动频率进行无量纲化计算，以确定阻尼评估系数；其计算公式为：；式中：表示风电齿轮箱的阻尼评估系数，表示风电齿轮箱的转矩修正因子、表示风电齿轮箱的振动加速度修正因子，表示风电齿轮箱的振动频率修正因子，且、和均大于零。

11、进一步地，所述初始油温和初始油量的确定逻辑如下：

12、a1：将第r容量的测试润滑油调至第w油温后注入风电齿轮箱内；r、w为大于零的整数；

13、a2：在启动阶段，获取第w油温下风电齿轮箱的转速，计算转速与标准转速的差值，判断转速与标准转速的差值是否处于预设差值区间；若处于预设差值区间，则跳转至步骤a3；若不处于预设差值区间，则令w=w+n，并跳转回步骤a1，n为大于零的恒定常数；

14、a3：获取第w油温下测试润滑油的油压数值，计算油压数值与预设油压数值的差值，判断油压数值与预设油压数值的差值是否为零；若不为零，则令w=w+n，并跳转回步骤a2；若为零，则将第w油温作为初始油温，以及将第w油温下的油量数据作为初始油量，并令r=r+1，返回至步骤a1；

15、a4：重复以上步骤a1～a3，直至r=r，得到所有测试润滑油的第一润滑油数据，结束循环，r为风电齿轮箱内测试润滑油的预设总容量。

16、进一步地，所述润滑油训练模型的生成逻辑为：

17、获取第一运行数据集，将第一运行数据集划分为第一训练集和第一测试集，构建机器学习模型，将第一训练集中的风电齿轮箱的运行温度、转速和阻尼评估系数作为机器学习模型的输入数据，将第一训练集中的初始油温和初始油量作为机器学习模型的输出数据，对机器学习模型进行训练，得到第一机器学习模型，利用第一测试集对第一机器学习模型进行测试准确度验证，输出大于预设测试准确度的第一机器学习模型作为润滑油训练模型；其中，所述第一机器学习模型具体为决策树模型、随机森林模型、支持向量机模型、线性模型或神经网络模型中的一种。

18、进一步地，所述润滑调节数据的确定逻辑如下：

19、当测试润滑油处于第一标准黏度时，获取测试润滑油的润滑油特征数据，以及获取润滑油特征数据对应的测试润滑油的润滑评估系数；所述润滑油特征数据对应的测试润滑油的润滑评估系数，包括初始油量对应的测试润滑油的润滑评估系数和初始供给速率对应的测试润滑油的润滑评估系数；

20、基于初始油量和润滑评估系数进行第一数据分析，以获取优级流量调节量；

21、基于初始供给速率、润滑评估系数和润滑油的优级流量调节量进行第二参数分析，以获取润滑油的优级供给速率调节量。

22、进一步地，基于初始油量和润滑评估系数进行第一数据分析的方法包括：

23、b1：获取e容量下对应的测试润滑油的润滑评估系数，以及获取e+f容量下对应的测试润滑油的润滑评估系数；e为大于零整数，e初始值为初始油量，f为大于零的恒定整数；

24、b2：将e容量下对应的测试润滑油的润滑评估系数作为第一润滑评估系数，以及将e+f容量下对应的测试润滑油的润滑评估系数作为第二润滑评估系数；

25、b3：将第一润滑评估系数和第二润滑评估系数进行比对，判断第一润滑评估系数是否大于等于第二润滑评估系数；若小于，则令e=e+f，并返回至步骤b1；若大于等于，则获取第一润滑评估系数对应的容量e；

26、b4：将容量e与初始油量进行差值计算，得到油量调节差，将油量调节差作为润滑油的优级流量调节量；

27、b5：重复上述步骤b1～b3，直至第一润滑评估系数大于等于第二润滑评估系数时，结束循环。

28、进一步地，基于初始供给速率、润滑评估系数和润滑油的优级流量调节量进行第二参数分析的方法包括：

29、c1：获取润滑油的优级流量调节量和h速率下对应的测试润滑油的润滑评估系数；以及获取h+u速率下对应的测试润滑油的润滑评估系数；h为大于零整数，h初始值为初始供给速率，u为大于零的恒定整数；

30、c2：将润滑油的优级流量调节量和h速率下对应的测试润滑油的润滑评估系数作为第三润滑评估系数；以及将h+u速率下对应的测试润滑油的润滑评估系数作为第四润滑评估系数；

31、c3：将第三润滑评估系数和第四润滑评估系数进行比对，判断第三润滑评估系数是否大于等于第四润滑评估系数；若小于，则令h=h+u，并返回至步骤c1；若大于等于，则获取第三润滑评估系数对应的速率h；

32、c4：将速率h与初始供给速率进行差值计算，得到供给速率差，将供给速率差作为润滑油的优级供给速率调节量；

33、c5：重复上述步骤c1～c3，直至第三润滑评估系数大于等于第四润滑评估系数时，结束循环。

34、进一步地，所述润滑评估系数的计算方法包括：

35、；

36、式中，为润滑评估系数，为润滑油的初始油温，为润滑油的油压数值，为风电齿轮箱的运行状态数值，和为预设权重；

37、其中，所述风电齿轮箱的运行状态数值为预先设置，根据风电齿轮箱的开启状态或关闭状态设置不同的数值，将处于开启状态的风电齿轮箱对应的运行状态数值设置为1，将处于关闭状态的风电齿轮箱对应的运行状态数值设置为0。

38、进一步地，润滑油调节模型的生成方法包括：获取第二运行数据集，将第二运行数据集划分为第二训练集和第二测试集，构建机器学习模型，将第二阶段训练集中的初始油量和初始供给速率为机器学习模型的输入数据，将第二阶段训练集中的润滑油的优级流量调节量和优级供给速率调节量作为机器学习模型的输出数据，对机器学习模型进行训练，得到第二机器学习模型，利用第二阶段测试集对第二机器学习模型进行测试准确度验证，输出大于预设测试准确度的第二机器学习模型作为润滑油调节模型；所述第二机器学习模型具体为决策树模型、随机森林模型、支持向量机模型、线性模型或神经网络模型中的一种。

39、第二方面，本发明提供了基于温度适应性的智能风电齿轮箱自适应润滑系统，用于实施上述的基于温度适应性的智能风电齿轮箱自适应润滑方法，包括：

40、第一模型训练模块，用于获取风电齿轮箱的第一运行数据集，基于第一运行数据集训练出用于获取润滑油的初始油温和初始油量的润滑油训练模型；所述第一运行数据集包括风电齿轮箱的运行特征数据和运行特征数据对应的第一润滑油数据，所述风电齿轮箱的运行特征数据包括风电齿轮箱的运行温度、风电齿轮箱的转速和阻尼评估系数，所述第一润滑油数据包括初始油温和初始油量；

41、第二模型训练模块，用于获取风电齿轮箱的第二运行数据集，基于第二运行数据集训练出用于获取润滑调节数据的润滑油调节模型；第二运行数据集包括润滑油特征数据和润滑油特征数据对应的润滑调节数据；所述润滑油特征数据包括润滑油的初始油量和初始供给速率；所述润滑调节数据包括润滑油的优级流量调节量和优级供给速率调节量；

42、数据分析模块，用于获取风电齿轮箱的运行特征数据，利用润滑油训练模型对所述运行特征数据进行分析，确定风电齿轮箱在启动阶段时润滑油的初始油温和初始油量；根据初始油温和初始油量将润滑油调至第一标准黏度；

43、深度分析模块，用于当润滑油在到达第一标准黏度时，获取润滑油的实测特征数据，利用润滑油调节模型对实测特征数据进行分析，以获取润滑油的润滑调节数据；所述实测特征数据包括初始油量和初始供给速率；

44、润滑优化模块，用于根据润滑调节数据控制风电齿轮箱所连接的油泵，将风电齿轮箱内的润滑油调节至第二标准黏度，使得风电齿轮箱顺利进入正常运行阶段。

45、第三方面，本发明提供了一种电子设备，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；

46、所述处理器通过调用所述存储器中存储的计算机程序，执行上述的基于温度适应性的智能风电齿轮箱自适应润滑方法。

47、第四方面，本发明提供了一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行上述的基于温度适应性的智能风电齿轮箱自适应润滑方法。

48、本发明的技术效果和优点：

49、1、本发明通过获取风电齿轮箱的第一运行数据集，基于第一运行数据集训练出用于获取润滑油的初始油温和初始油量的润滑油训练模型；获取风电齿轮箱的第二运行数据集，基于第二运行数据集训练出用于获取润滑调节数据的润滑油调节模型；获取风电齿轮箱的运行特征数据，利用润滑油训练模型对所述运行特征数据进行分析，确定风电齿轮箱在启动阶段时润滑油的初始油温和初始油量；根据初始油温和初始油量将润滑油调至第一标准黏度；当润滑油在到达第一标准黏度时，获取润滑油的实测特征数据，利用润滑油调节模型对实测特征数据进行分析，以获取润滑油的润滑调节数据；所述实测特征数据包括初始油量和初始供给速率；根据润滑调节数据控制风电齿轮箱所连接的油泵，将风电齿轮箱内的润滑油调节至第二标准黏度，使得风电齿轮箱顺利进入正常运行阶段；本技术通过上述步骤的连续实验和分析，以保证在不同润滑油容量和油温条件下，润滑油都能维持适当的黏度，从而确保风电齿轮箱内的齿轮和轴承部件之间的良好润滑。

50、2、本发明通过对启动阶段进行细节划分，并随着风电齿轮箱的不断运转，改变润滑油的油量和供给速率，进而保持以确保润滑油在齿轮箱内部的有效润滑和冷却，从而精准的调节润滑油自适应润滑以达到风电齿轮箱最佳的润滑效果，提高风电齿轮箱的工作效率并延长设备的使用寿命。