基于关联度与自检验长短期记忆网络的风电机组轴承寿命预测模型

为提高风电机组轴承寿命预测的稳定性,提出基于关联度与自检验长短期记忆网络(self-checkinglong short-term memory,Sc-LSTM)的轴承寿命预测模型。首先,采用长短期记忆网络(long short-term memory,LSTM)对风电机组轴承单一运行状态信号进行预测,分析预测误差与运行状态关系,建立风电机组轴承的寿命时长体系。其次,LSTM对轴承全寿命信号进行预测与分析,选择检验指标σ来构建检验层与Sc-LSTM,引入通过率η对预测效果进行评价。采用关联度(indexedrelation,IR)为轴承全寿命信号的状态评价指标,得到轴承的IR运行曲线。最后,利用Sc-LSTM分别对IR运行曲线、风电机组轴承信号进行预测与分析,结果表明：Sc-LSTM与IR的预测模型能有效地提高轴承寿命预测的稳定性,减少大规模预测试验的时间与成本,弥补预测误差对预测效果评价单一的问题,与其他预测方法相比效果更佳,在风电机组轴承寿命预测上具有一定参考价值。