一站式装备智能维护系统的数据算法系统技术服务平台

软件概况：WTAgent以面向风机传动链（主轴承、主轴、齿轮箱、发电机）部件设备是风力发电机组的核心部件。智能维护技术是基于主动的维护模式PAP（Predict and Prevent），重点在于风电机组装备全寿命周期的性能退化评估与预测，设备维护体现视情维护

预防性要求，是从理念和方法上对现有故障诊断技术的全新拓展，颠覆了基于以往基于事后维护与定期维护的思路和手段，这将显著地提升风电装备的可靠性与可信性。

WTAgent实现变速与变载荷条件下的风电传动链健康量化趋势评估，以提高大型机械设备可靠度以及有效延长机械使用寿命为目的，增强机械设备各部件监控以及调控能力，实现对关键部件的实时健康监测以及基于深度学习方法的大数据智能健康预测，提升各作业环境下风电设备传动链的智能监控水平以及智能化预测能力，为大型装备的关键部件在线监测与智能健康预测提供可借鉴的范式与支撑系统。整个系统采用B/S模式，实现分布式健康监控与故障诊断。编程语言涉及Python，HTML，JavaScript，CSS，数据库采用MongoDB。

WTAgent风电机组状态监测与故障诊断系统主要包括：实时可视化监测模块、历史趋查询分析势模块、信号分析处理工具箱模块、信号故障诊断模块、健康量化评估模块、剩余寿命预测模块、系统设置管理模块、维护报警管理模块、报表管理模块、数据存储管理模块等多个功能模块。

（1）实时可视化监测模块：通过该模块用户能够选择所要查看的部件，以及该部件的实时传感信息，设备的整体预警信息与故障信息也相应呈现出来。

（2）历史趋查询分析势模块：用户在该模块可以根据需求查询各部件对应的历史数据，设置检索历史信息的起始时间，点击按时间查找显示数据库记录列表，系统会自动切换到历史数据处理。

（3）信号分析处理工具箱模块：该模块包含各类信号分析处理算法，并显示相关结果，包括基于振动信号的频谱、包络谱、时频表示、各类信号降噪方法、变转速信号分析以及信号分解算法，实现关键机械部件（轴承、齿轮等）的早期缺陷预示；基于声信号处理的变速箱、发电机故障探测与诊断模块。

（4）信号故障诊断模块：该模块分为依据设定阈值报警与判断可能发生故障百分比两个部分，用户可以手动设置报警阈值，结合设备中的各关键零部件故障特性，给出部件可能发生故障的百分比。

（5）健康量化评估与监测模块：该模块包含多个健康量化评估模型，从传感信号中提取反映机械设备性能早期退化的特征集，指定设备关键部件的健康指标，建立量化评估模型，能够实时评估设备运行的健康状态。

（6）剩余寿命预测模块：该模块结合数据驱动和模型驱动建模的方法，实时预测设备及其零部件的健康状态和剩余寿命，以及剩余寿命的概率分布等不确定性信息。

（7）系统设置管理模块：用户在该模块可对系统进行整体设置，包括输入当前监测设备的型号、零部件关键结构参数、设置传感器的关键参数与开关传感器等。

（8）维护报警管理模块：该模块可自动记录设备详细的历史报警信息与维修信息，综合判断易坏的部件，给操作人员与维修人员提供参考。

（9）报表管理模块：用户根据需求可在该模块生成并打印日周月的设备运行信息与各个关键部件健康状态报告。

（10）数据存储管理模块：包括数据传输备份与故障数据分类储存，实现对设备故障的完整流程管理，将故障数据存储到故障知识库中，可以用来检索设备故障已有的故障和维护详细信息。

风电机组智能维护系统

系统将依托于研制SmartAgent关键机械部件故障诊断与健康退化智能预诊算法库，融合了目前国际上各种先进的信息智能分析算法以工具箱的方式，采用了一种开发的、模块化的结构实现系统预诊算法，能应用在不同的机械装备健康预诊与故障诊断场合，满足不同的类型机械部件的健康预诊与故障诊断需求，如不同的输入信号、不同的预诊功能需求，不同的存储能力等。SmartAgent主要包含6个功能模块：信号处理模块、特征提取模块、健康评估模块、健康预测模块、设备维护知识管理与健康可视化模块、故障诊断模块。不同的功能模块灵活组合完成不同的任务，这种开放式结构使得新的算法模型可以随时增加进去，也可按照用户的需求或应用背景对SmartAgent中的模块进行组合和封装，其功能包括：

1）风机组态与预警：建立不同风机的组态，可视化呈现预警。

2) 信号处理模块：通过先进的信号处理技术（如小波变换、短时傅里叶变换等），实现信号滤噪、频域分析、时域统计分析、时频域分析等功能；

3)特征提取模块：通过先进的特征提取算法（如卷积神经网络、主成分分析等），实现移动式武器装备关键部件健康特征提取、特征筛选等功能；

4) 健康评估模块：通过先进统计分析模型（如高斯混合模型、隐马尔科夫模型等），实现关键部件性能衰退评估、失效概率计算、性能衰退预测等功能；

5) 部件健康预测模块：通过新颖的深度学习算法（如卷积长短期记忆网络、深度域自适应网络等），实现关键机械部件性能自适应预测、剩余寿命预测、可靠性分析等功能；

6) 部件维护知识管理与健康可视化模块：通过规则抽取、可视化分析等方法，实现移动式武器装备部件知识发现、设备健康状态在线显示、维护策略制定；

7) 故障诊断模块：借助先进故障诊断算法（如自适应稠密卷积自编码器、稀疏自编码器等）实现关键部件缺陷早期预示、故障诊断、模式识别等功能；

8）声学监测提供了一个非常敏感和准确的方法，能够在早期发现风电机组的故障。