风机叶片故障预测的振动方法研究.docx
你的****书屋
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
风机叶片故障预测的振动方法研究.docx
风机叶片故障预测的振动方法研究摘要:伴随着科学技术的发展,各种各样的新能源开发层出不穷,作为新能源的风能,其具有很多的优点,不仅仅属于清洁能源,还具有安全、可再生等等的优点。风能的主要应用范围目前是在发电的方面,风能发电技术目前得到了很大的发展。在风能发电之中,风力发电机是风电进行转换的重要设备,但是在实际的风机运转的过程之中,因为会受到惯性力、空气动力等等的因素的影响,那么风机就会出现各种的故障。所以对于风机的故障预测十分的重要,通过风机的叶片故障来进行风机运转状况的预测是很好的方式。关键词:风机叶片;
风机叶片振动报警方法及装置.pdf
本发明提出一种风机叶片振动报警方法,其中,方法包括:获取风机叶片振动的频域曲线以及固有频率幅值指标报警实测值和报警阈值;根据风机叶片振动的频域曲线以及固有频率幅值指标报警实测值和报警阈值对预先构建的混合模型进行训练,得到训练好的混合模型;获取风电机组实测频域信号,将风电机组实测频域信号输入至训练好的混合模型,得到风电机组叶片的振动报警结果。基于此,该方法实现对风电机组发电机故障的捕获和对不同故障类型的识别,从而能够减少误报警的次数。
一种同源异构数据聚类分析的风机叶片开裂故障预测方法.pdf
本发明提出一种同源异构数据聚类分析的风机叶片开裂故障预测方法,该方法包括以下步骤:第一步,对风机数据进行数据预处理;第二步,将预处理后的数据按照风机的不同状态参数进行分类,再将分类后的数据分别分为训练数据集和测试数据集;第三步,使用训练数据集训练预设的深度学习网络模型;第四步,将测试数据集输入到训练好的网络模型中,得出预测风机叶片状态的分类结果。本发明能够解决具有高度非线性和不稳定性的风机数据特征难以提取的问题,能够提前一周预测风机叶片开裂故障。本发明所提方法能够获得更高的风机叶片开裂故障预测准确率,为风
一种风机叶片结冰预测方法.pdf
本发明公开了一种风机叶片结冰预测方法,包括如下步骤:S1:获取风机运行的历史数据,并对历史数据进行预处理,将历史数据转换为三维矩阵,采用历史数据训练形成优选的预测模型;S2:获取风机带时间观察窗口的实时数据,并对实时数据进行预处理,将实时数据转换为三维矩阵;S3:将观察窗口等分为若干个子观察窗口,预测各子观察窗口的结冰状况,并统计计算观察窗口内的结冰概率;S4:判断结冰概率是否超过设定阈值,如果超过阈值则给风机发结冰报警指令,如果不超过阈值,风机则正常运行,转步骤S2。本发明操作方便,预测效率和准确率高,
风机叶片组装机及风机叶片组装方法.pdf
本发明涉及机械加工领域,公开了一种风机叶片组装机及风机叶片组装方法。风机叶片组装机,其包括机架、轮毂固定装置、叶片固定装置、分度限定装置;轮毂固定装置可转动地设置于机架并用于带动风机轮毂转动;风机轮毂的外表面被构造为多个焊接点;叶片固定装置用于承载风机叶片并能够带动风机叶片沿第一预设方向靠近或远离轮毂固定装置;分度限定装置包括传动连接轮毂固定装置的且具备周向分度槽的分度轮和能够限定或退出分度槽的限位件;当限位件限定分度槽时,风机轮毂的焊接点正对风机叶片。这样的风机叶片组装机结构简单、制造方便,能够较好地改