论文部分内容阅读
绿色制造和环境保护是可持续发展的必由之路。经济发展依赖燃烧矿物质发电受到了越来越多的限制,随着各种新能源产业的崛起,风力发电技术日臻成熟,逐步处于新能源的主导地位。齿轮箱作为风力发电机组关键零部件之一,不仅健康状态对于风机的整体性能起着决定性作用,而且使用寿命的长短直接影响到风力发电机的使用寿命。通常齿轮箱能否正常运转与箱内的润滑状况息息相关,因此对齿轮箱的润滑油性能进行预测及实时评估就显得尤为重要。本文采用神经网络与灰色系统以及模糊系统结合,实现对润滑油参数的预测以及性能的综合评估。具体工作如下:1)对润滑油样本实测理化指标进行归纳筛选,根据各项指标在风机齿轮箱实时工况下的重要程度,在众多指标中优先选择了七种指标着重进行分析计算。首先对数据进行清洗,采用强化因子处理已选定的指标数据集,降低数据的随机性以及降低误差;继而通过层次分析法确定各个指标的权重,并通过归一化的方法计算指标的劣化度。2)对已经处理后的数据集进行灰色关联度分析,得到润滑油性能状况的初步结果;建立灰色GM(1,1)预测模型以及BP神经网络预测模型,对润滑油参数分别进行预测评估;建立并联灰色BP神经网络预测模型,实现对润滑油参数的并联混合预测与综合指标评价。得到下面结论:第一,所建模型可以实现对润滑油性能随时间线变化的量化指标预测,以及由部分已知参数值对关联度较大的其它参数值的预测;第二,结果对比显示,所建立的并联灰色BP神经网络可以并且准确的预测润滑油参数变化,可以显著降低单个模型预测所产生的误差。3)根据所计算的各指标劣化度,以及各参数相对于健康程度的权重,建立一种基于模糊神经网络的润滑油健康状态评估模型。得到下面结论:第一,对润滑油指标的劣化度及相对于健康程度权重的分析,可以准确获得油品的实时劣化程度及健康情况;第二,所建立的模糊神经网络预测模型可以预测油品的综合劣化度变化趋势。