预览加载中,请您耐心等待几秒...
1/9
2/9
3/9
4/9
5/9
6/9
7/9
8/9
9/9

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN105986963A(43)申请公布日2016.10.05(21)申请号201510071859.6(22)申请日2015.02.11(71)申请人赤峰华源新力科技有限公司地址024005内蒙古自治区赤峰市松山区奥翔财富大厦217室(72)发明人赵建军(74)专利代理机构北京同立钧成知识产权代理有限公司11205代理人马爽黄健(51)Int.Cl.F03D9/00(2006.01)F03D11/00(2006.01)F03D7/00(2006.01)权利要求书2页说明书4页附图2页(54)发明名称风电机组的连接螺栓松动监测系统(57)摘要本发明提供一种风电机组的连接螺栓松动监测系统。本发明的系统包括风电机组、传感器件、数据处理器件;所述风电机组包括多个风叶、多个风机轮毂和塔筒,塔筒上设置多个法兰盘,风叶通过连接螺栓与风机轮毂连接,多个法兰盘之间通过连接螺栓相互连接;法兰盘上设置有至少一个传感器件,传感器件与数据处理器件电连接,以使数据处理器件根据法兰盘上的传感器件的阻抗变化数据获取法兰盘上的连接螺栓的松动数据;风机轮毂上设置有至少一个传感器件,传感器件与数据处理器件电连接,以使数据处理器件根据风机轮毂上的传感器件的阻抗变化数据获取风机轮毂上的连接螺栓的松动数据。本发明能够在线实时监测连接螺栓的松动情况,保证风电机组正常运行。CN105986963ACN105986963A权利要求书1/2页1.一种风电机组的连接螺栓松动监测系统,其特征在于,包括:风电机组、传感器件、数据处理器件;所述风电机组包括:多个风叶、多个风机轮毂和塔筒,所述塔筒上设置多个法兰盘,所述风叶通过连接螺栓与所述风机轮毂连接,所述多个法兰盘之间通过所述连接螺栓相互连接;所述法兰盘上设置有至少一个所述传感器件,所述传感器件与所述数据处理器件电连接,以使所述数据处理器件根据所述法兰盘上的传感器件的阻抗变化数据获取所述法兰盘上的连接螺栓的松动数据;所述风机轮毂上设置有至少一个所述传感器件,所述传感器件与所述数据处理器件电连接,以使所述数据处理器件根据所述风机轮毂上的传感器件的阻抗变化数据获取所述风机轮毂上的连接螺栓的松动数据。2.根据权利要求1所述的系统,其特征在于,所述风机轮毂的个数为3个,所述每个风机轮毂上沿周向均匀设置有所述4个传感器件。3.根据权利要求1所述的系统,其特征在于,所述法兰盘的个数为3个,所述每个法兰盘上沿周向均匀设置有所述4个传感器件。4.根据权利要求2所述的系统,其特征在于,还包括设置在所述3个风机轮毂上的12个永磁体;所述4个永磁体等间距吸附在所述每个风机轮毂的周向方向上。5.根据权利要求3所述的系统,其特征在于,还包括设置在所述3个法兰盘上的12个永磁体;所述4个永磁体等间距吸附在所述每个法兰盘的周向方向上。6.根据权利要求4或5所述的系统,其特征在于,所述传感器件为嵌入在所述永磁体中的压电陶瓷片传感器。7.根据权利要求6所述的系统,其特征在于,还包括:监测器件;所述监测器件分别与所述数据处理器件和主控机房电连接,以在所述松动数据超过报警阈值时上报至所述主控机房。8.根据权利要求7所述的系统,其特征在于,所述监测器件还包括:报警器,与所述监测器件电连接;所述报警器为声音报警器或灯光报警器。9.根据权利要求6所述的系统,其特征在于,所述数据处理器件具体用于:根据所述阻抗变化数据得到对应的机械阻抗变化数据;根据所述机械阻抗变化数据,利用多层前馈BP神经网络算法计算得到所述松动数据。10.根据权利要求9所述的系统,其特征在于,所述数据处理器件根据所述阻抗变化数据得到对应的机械阻抗变化数据具体包括:根据得到对应的机械阻抗变化数据;其中,ZE为所述压电陶瓷片传感器的耦合电阻抗,ω为激励信号的角频率,wA为所述压电陶瓷片传感器的宽度,lA为所述压电陶瓷片传感器的长度,hA为所述压电陶瓷片传感器的高度,为所述压电陶瓷片传感器在零应力时的复介电常数,δ为介电损耗因数,ZA为所述压电陶瓷片传感器的结构变化前的机械阻抗,Z为所述压电陶瓷片传感器的2CN105986963A权利要求书2/2页结构变化后的机械阻抗,d31为所述压电陶瓷片传感器的压电常数,为所述压电陶瓷片传感器在零电场时的复弹性模量,η为所述压电陶瓷片传感器的机械损耗因数;所述数据处理器件根据所述机械阻抗变化数据,利用多层前馈BP神经网络算法计算得到所述松动数据具体包括:根据a2=f2(W2f1(W1p+b1)+b2)得到所述松动数据;其中,W1、W2为所述多层前馈神经网络的权值,b1、b2为所述多层前馈神经网络的阀值,f1、f2为双弯曲函数Log-SigmoidFunction,p为所述多层前馈神经网络的输入,a2为所述