问题背景

风力发电机的时间可用率很高，往往超过 96%，与电气部件相比，机械部件的故障率相对较低，但传动系统中机械部件的故障往往会造成较高的维修成本和收入损失。作为风力发电机的重要部件之一的轴承在使用的轴承在运行过程中会受到恶劣环境的影响，包括不同风速下的振动和冲击，这些载荷可能会使轴承超出其自身的极限，从而导致故障率高于预期。 双馈型的风力发电机通常使用齿轮箱来调整转子的速度到发电机的速度，但目前齿轮箱的实际使用寿命往往要小于设计的 20 年的生命周期，其中高速轴承就是发生故障点之一，高速轴承一旦出现故障，就需要停机处理，严重的需要进行拆卸更换，因此通过分析高速轴承信号数据的退化规律，预测高速轴承剩余寿命，不仅能够降低突然故障停机造成的发电损失，而且能够提前通知运维人员做好轴承维护或更换的准备，同时也能减少一定的运维成本。

风机机舱内部构造图

解决方案

风机高速轴承寿命预测案例是首先通过时域、频域和时频域角度新增统计特征，再通过单调性指标挑选出最好的特征作为模型训练的特征，最后采用指数退化算法模型对不同天数的训练数据进行轴承剩余寿命的预测，最终得到轴承剩余寿命估计以及置信区间。

总结说明

从计算结果来看，随着提供的训练数据越多，预测的剩余寿命与真实剩余寿命的偏差也会逐渐减小。该模型采用合适的指标作为健康指标，较好地预测设备的剩余寿命，以便运维人员及时检修设备，从而降低运维成本。

预测剩余寿命与实际寿命的比较

| 选用数据时间 | 预测剩余寿命（天） | 真实剩余寿命（天） | 偏差（天） | 置信区间（95%） | | :--------------: | :--------------------: | :--------------------: | :------------: | :-----------------: | | 20 天 | 18.4 | 30 | -11.6 | [14.7,22.8] | | 30 天 | 26.5 | 20 | 6.5 | [21.7,31.8] | | 40 天 | 7.7 | 10 | -2.3 | [4.9,10.7] |