买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中车永济电机有限公司申请的专利风力发电机轴承故障诊断模型在线构建方法及在线更新设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115659778B 。

龙图腾网通过国家知识产权局官网在2026-04-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211168874.9，技术领域涉及：G06F30/27；该发明授权风力发电机轴承故障诊断模型在线构建方法及在线更新设备是由曹丽明;李娜;王帆;王瑞山设计研发完成，并于2022-09-25向国家知识产权局提交的专利申请。

本风力发电机轴承故障诊断模型在线构建方法及在线更新设备在说明书摘要公布了：本发明公开了一种风力发电机轴承故障诊断模型在线构建方法及在线更新设备，涉及风力发电机的轴承故障诊断领域。该方法根据传动端与非传动端的轴承状态，在9种不同方案下运行风力发电机，进行轴承振动数据采集试验，并对采集数据进行处理：首先进行分类，然后针对传动端与非传动端分别建立模型，构建方法相似，包括确定模型结构、模型训练以及模型性能测试。模型在线更新设备主要包括：振动数据采集模块、核心处理模块、通信模块及其它辅助配套设备，采用该设备进行线更新，包括模型部署、运行数据存储、模型在线更新以及模型性能定期测试。本发明采用软硬件结合实现，可以准确诊断轴承传动端、非传动端故障，提升模型现场应用性能。

本发明授权风力发电机轴承故障诊断模型在线构建方法及在线更新设备在权利要求书中公布了：1.一种风力发电机轴承故障诊断模型在线更新设备的模型在线更新方法，其特征在于：在风力发电机轴承故障诊断模型在线更新设备中实现，所述在线更新设备包括振动信号采集模块、核心处理模块、通信模块及辅助配套设备，所述辅助配套设备包括供电设备及连接线；所述振动信号采集模块包括振动传感器，所述振动传感器安装在风力发电机传动端、非传动端传感器座上，所述振动传感器的数据采集模块实现振动数据采集，并将采集数据通过以太网或无线通信方式发送至核心处理模块，所述核心处理模块包括CPU与GPU，为边缘计算模块或地面服务器平台，通过部署的软件程序实现振动数据的预处理及分析，同时对故障诊断模型进行更新；所述通信模块实现振动信号采集模块与核心处理模块的数据交互及核心处理模块与外部系统的数据交互； 采用故障诊断模型在线构建方法，包括如下步骤： 一、试验数据获取： 1轴承故障预制： 对轴承预制常见故障，故障类型包括：轴承内外圈电腐蚀、轴承内外圈剥离、轴承外圈剥离、轴承内圈剥离，将故障轴承分别安装在风力发电机传动端、非传动端，共计9种运行方案： 方案一：传动端轴承状态为内外圈电蚀，非传动端轴承状态为正常； 方案二：传动端轴承状态为正常，非传动端轴承状态为内外圈电蚀； 方案三：传动端轴承状态为正常，非传动端轴承状态为正常； 方案四：传动端轴承状态为内外圈剥离，非传动端轴承状态为正常； 方案五：传动端轴承状态为正常，非传动端轴承状态为内外圈剥离； 方案六：传动端轴承状态为外圈剥离，非传动端轴承状态为正常； 方案七：传动端轴承状态为正常，非传动端轴承状态为外圈剥离； 方案八：传动端轴承状态为内圈剥离，非传动端轴承状态为正常； 方案九：传动端轴承状态为正常，非传动端轴承状态为内圈剥离； 2试验数据采集处理： 将风力发电机倾斜θ°安装在试验台上，转子短接，空载运行，每一种方案在恒定转速n1、n2、n3、…….nm下采集传动端、非传动端单轴振动加速度数据10分钟，共计9×m组原始数据； 将9×m组试验数据分成2类： ①非传动端正常、传动端故障原始数据即方案一、方案三、方案四、方案六、方案八； ②传动端正常、非传动端故障原始数据即方案二、方案三、方案五、方案七、方案九； 考虑正负样本不均衡情况，对故障原始数据进行欠采样，保证正常与故障样本数量相近；将欠采样后的故障原始数据分割成长度为L的时间序列数据共计Y份，正常原始数据同样分割成长度为L的时间序列数据共计X份；对每一个数据序列添加故障标签，形成共计X+Y组带故障标签的时间序列数据构成的原始信号数据集；对长度为L的原始数据序列进行离散傅里叶变换，得到对应长度为L的频域数据，将时域与频域数据进行合并，因此每个时间序列数据从1×L的一维变成2×L的二维数据，且为实现离散傅立叶变换的快速算法FFT，应满足单轴加速度传感器的信号采样频率Fs大于信号最大频率的2.56倍； 二、模型建立：针对传动端与非传动端分别建立模型，构建方法相同，所述传动端的模型建立方法包括如下步骤： 1确定模型结构： 第一层为卷积层，输入2×L灰度图像，filters为32，strides=1,4，填充边缘，并进行批量标准化、Relu激活、最大值池化；第二层为卷积层，输入2×L灰度图像，filters为32，strides=1,4，填充边缘，并进行批量标准化、Relu激活、最大值池化；第三层为序列转换层，将卷积后的数据转换成LSTM层输入数据格式；第四层为长短期记忆网络层LSTM，输出空间维度为256，返回全部序列；第五层：丢弃层，丢弃比率为0.3；第六层：长短期记忆网络层LSTM，输出空间维度为32，返回序列中的最后一个输出；第七层：丢弃层，丢弃比率为0.3；第八层：全连接层，使用ReLu激活函数和L2正则化；第九层：输出层，采用sigmod分类器进行处理，实现故障数据诊断； 2模型训练： 模型训练就是在定了模型的框架结构以后，给模型输入数据进行训练，训练完成后得到最终的算法模型，用来对轴承的状态进行判断；将试验得到的第一类原始数据按比例分成训练集、验证集及测试集，训练卷积网络，设置优化器及目标函数，使训练过程中损失率收敛，在模型训练时，为了提高训练效率，降低训练时间，调用GPU对训练进行加速，训练完成后生成故障诊断模型； 3模型性能测试： 将测试集数据导入生成的故障诊断模型，得到测试集数据的诊断结果，并计算结果的总体准确率； 非传动端轴承故障诊断模型与传动端的故障诊断模型相同，采用第二类数据建立； 在线更新方法具体包括如下步骤：传动端与非传动端故障诊断模型更新采用相同的方法，传动端的诊断模型更新方法包括如下步骤： ①模型部署：将传动端轴承故障诊断模型部署于核心处理模块进行轴承故障诊断，实时接收振动信号采集模块的现场传动端振动数据，采用与故障诊断模型在线构建方法的步骤2相同的方法，将数据处理成2×L的数据序列输入至模型，即可实现传动端轴承实时故障诊断功能，等待进一步处理更新； ②运行数据存储：在核心处理模块中增加轴承正常和故障状态下的振动数据文件；正常数据文件内存储电机现场正常运行数据；故障数据为电机现场故障运行数据，随着电机现场运行时间的延长，故障运行数据根据不同的故障类型再进行二次划分； ③模型在线更新：依据现场运行故障数据的有无模型在线更新按照不同方法进行： a.当仅有正常运行数据或除正常运行数据外有少量故障运行数据时，仅对电机现场正常运行数据进行特征提取，将一段时间内电机现场正常运行数据处理成2×L的数据序列输入至模型进行特征提取，数据处理方法采用与故障诊断模型在线构建方法的步骤2相同的方法，在提取时对模型的全连接层输出进行统计分析，确定轴承正常状态下电机现场运行数据的全连接层输出范围R，将R作为评价现场运行轴承状态正常与故障的指标，超出R即认为轴承状态异常；因此模型无须再次进行训练，仅需去掉模型最后的分类层，依据全连接层的输出对轴承状态进行诊断，此时第一次模型在线更新完成，此时模型能够实现轴承状态正常、故障的诊断； b.随着运行时间的延长，轴承故障状态下电机运行样本数据逐渐增多，轴承不同故障类型的运行数据量能够满足模型训练的要求，将文件系统存储的现场运行数据同样处理成2×L的时间序列并制作标签，按照比例分为训练集、验证集、测试集，对故障诊断模型在线构建方法中的网络模型重新进行训练，当准确率满足设定要求或训练时长达到设定条件后停止训练，采用此模型对原模型进行替换，由于训练时采用了正常和不同故障类型、不同故障部位的数据，此时模型不仅能够判断轴承状态同时还能够对故障类型进行诊断，同时能够确定故障部位，随着运行数据的不断积累模型的功能不断增加完善； ④模型性能定期测试：定期调用文件存储数据并处理成2×L的时间序列作为测试数据对轴承故障诊断模型准确率、误报率进行测试，并根据准确率、误报率确定模型是否需要更新；当电机故障诊断准确率及误报率超出设定范围，启动模型更新功能。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中车永济电机有限公司，其通讯地址为：044500 山西省运城市永济市电机大街18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。