主轴承

润滑脂质量变化下主轴承疲劳预测的混合物理信息神经网络

风力涡轮机主轴承的疲劳寿命受用作润滑剂的油脂状态的极大影响。遗憾的是，由于与降解机制和油脂批次质量变化相关的不确定性，通过预测模型监测油脂状况可能是一项艰巨的任务。最终，油脂质量变化导致的油脂寿命预测差异可能导致轴承疲劳寿命预测不准确。问题的复杂性需要一种新颖的解决方法；在本文中，我们提出了一种新的混合物理信息神经网络模型。我们构建了一个嵌入为循环神经网络单元的轴承疲劳损伤累积混合模型，其中用于轴承疲劳损伤累积的降阶物理模型和表示油脂降解机制的神经网络，该机制量化最终加速轴承疲劳的油脂损伤。我们概述了一种两步概率方法来量化油脂质量变化。在第一步中，我们利用混合模型来学习当质量为分布中位数时的油脂降解。在第二步中，我们采用第一步中的中值预测器，并通过检查每台风力涡轮机的油脂样本来跟踪质量分布的分位数。我们最后通过数值实验展示我们的方法，在该实验中，我们测试了质量变化的随机实现和样本数量的影响