一种电机定子绝缘故障远程操控检测装置

    公开(公告)号:CN117842401A

    公开(公告)日:2024-04-09

    申请号:CN202410018417.4

    申请日:2024-01-05

    Abstract: 本发明公开了一种电机定子绝缘故障远程操控检测装置,属于电机绝缘检测技术领域,包括无人机,无人机的下方设置有检测壳体,检测壳体与无人机之间设置有安装组件;本发明通过无人机带动检测壳体以及检测头对大型卧式电机进行带电检测,在检测的过程中实施远程操控,人员远离带电设备,具备较好的安全性,且通过飞行检测的方式对电机定子绝缘故障进行检测,检测效率也比较高,且检测时无人机可以带动检测结构较为灵活移动,通过检测壳体和角度调节组件的配合使用,在需要使用本装置进行检测的时候,可以通过角度调节组件将检测头从检测壳体中转出,检测完成后可以将检测头转动至检测壳体的内腔,以对检测头起到保护作用。

    一种高压电机线棒出槽口电腐蚀的修复方法

    公开(公告)号:CN117040219A

    公开(公告)日:2023-11-10

    申请号:CN202311044735.X

    申请日:2023-08-18

    Abstract: 本发明公开了一种高压电机线棒出槽口电腐蚀的修复方法,属于电机绝缘技术领域,包括以下步骤:定子线棒出槽口高电阻防晕漆层搭接区域和低电阻防晕漆层搭接区域电腐蚀检查;定子线棒出槽口区域表面清理;定子线棒出槽口低电阻区域修复前保护;定子线棒出槽口区域低电阻防晕漆层修复;定子线棒出槽口高电阻区域修复前保护;定子线棒出槽口区域高电阻防晕漆层修复;定子线棒出槽口区域防晕保护层处理;定子线棒出槽口区域耐电弧漆层处理;所述定子线棒出槽口区域电腐蚀修复完成后,对定子绕组施加1.0倍~1.1倍额定电压的工频电压值,进行暗室电晕试验和紫外光子成像电晕试验,检验定子线棒出槽口高低电阻防晕漆层搭接区域的电腐蚀修复效果。

    一种适用于发电机定子绕组绝缘交联固化程度的评价方法

    公开(公告)号:CN115436220A

    公开(公告)日:2022-12-06

    申请号:CN202211137517.6

    申请日:2022-09-19

    Abstract: 本发明公开一种适用于发电机定子绕组绝缘交联固化程度的评价方法,属于发电机定子绕组材料技术领域。包括:测试定子绕组绝缘样品在升温速率k1时的热失重曲线,获取定子绕组绝缘样品在测试温度升至T1时的残余质量WT1,以及,获取测试温度升至T2时的残余质量WT2;测试定子绕组绝缘样品的初始重量WS0,将其在温度Ts下浸泡在溶剂S中,控制其被充分浸泡;然后,将其从该溶剂中取出、彻底烘干后,称重,记录此时定子绕组绝缘样品的重量为WS1,记溶剂S的溶解度参数为SPS,计算得定子绕组绝缘的交联固化程度参数,保证测试准确度高,能够很好反映定子绕组绝缘的交联固化程度,本发明精确度高,测试过程快速、简便易实现。

    增安型防爆电机定子线圈的包扎方法及线圈结构

    公开(公告)号:CN118659603A

    公开(公告)日:2024-09-17

    申请号:CN202410645554.0

    申请日:2024-05-23

    Abstract: 本发明公开了增安型防爆电机定子线圈的包扎方法及线圈结构,涉及定子线圈技术领域。本发明在线圈涨形后先包扎引线部分的主绝缘和低电阻防晕带;再包扎第一鼻部部分的主绝缘,并从第一鼻部部分的中间起始,分别向两边包扎第一鼻部部分的低电阻防晕带;然后包扎非引线端端部部分的主绝缘;最后包扎直线部分的主绝缘,并从第二鼻部部分中间起始,分别向两边包扎直线部分以及第二鼻部部分的低电阻防晕带。本发明极大降低了线圈端部产生电晕、火花、电弧等风险,可大幅度缩小电机尺寸,并且大大提高了线圈端部绝缘整体性和外层防晕带服贴性,减少安全隐患,延长线圈使用寿命,减少检修维护时的难度和成本。

    一种基于并行CNN-BiLSTM的发电机局放模式识别方法

    公开(公告)号:CN115586407A

    公开(公告)日:2023-01-10

    申请号:CN202211259783.6

    申请日:2022-10-14

    Abstract: 本发明公开一种基于并行CNN‑BiLSTM的发电机局放模式识别方法,在实验室环境下采集不同电压等级、不同缺陷类型的发电机定子线棒典型缺陷局放数据,绘制不同去噪系数的局放相位图谱、采集不同相位的电压信号、提取局放相位图谱特征和局放波形特征共十种参数,作为十通道并行CNN神经网络训练的输入参数,不同参数经过并行CNN网络对各特征进行卷积池化,送入分别与CNN特征输出层连接的BiLSTM神经网络,对BiLSTM神经网络进行训练,进行发电机局放典型缺陷的模式识别,十通道BiLSTM分别输出基于不同参数的模式识别结果,与现场样本进行结果对比,确定每个输出通道的权重完成对发电机定子线棒缺陷类型的判别。此方法基于多形式的输入训练多通道并行网络,提高模式识别的精确度。

Patent Agency Ranking