一种海上风电运维船用辅助登乘装置

    公开(公告)号:CN118323346A

    公开(公告)日:2024-07-12

    申请号:CN202410369111.3

    申请日:2024-03-28

    IPC分类号: B63B27/14

    摘要: 本发明公开了一种海上风电运维船用辅助登乘装置,包括折叠机构,包括升降塔,设置于所述升降塔上的升降部,设置于所述升降部上的槽体部,设置于所述槽体部上的收纳部,设置于所述收纳部内的挤压部,设置于所述挤压部上的竖起部,设置于所述槽体部内的动力部。该海上风电运维船用辅助登乘装置,通过收纳部的设置,对竖起部进行收纳,减小装置占用的空间,从而增加运维船的使用面积,通过移动收纳部将竖起部移出并竖起,保证装置的安全性,且竖起部移出的同时,补偿部向下翻转90度,从而对风电塔上围栏的高度进行补偿,方便工作人员上下装置,增加工作人员上下装置时的安全性。

    基于深度神经网络的风电机组齿轮箱故障监测方法及系统

    公开(公告)号:CN115450854A

    公开(公告)日:2022-12-09

    申请号:CN202211031754.4

    申请日:2022-08-26

    IPC分类号: F03D17/00 F03D15/00 F03D7/04

    摘要: 本发明公开了基于深度神经网络的风电机组齿轮箱故障监测方法,包括如下步骤:先获取风电机组齿轮箱的数据信息,并进行处理;然后建立基于深度神经网络的故障诊断模型;其次将处理后的数据信息输入所述故障诊断模型,由故障诊断模型诊断待测风电机组齿轮箱的工况类型;最后监视风电机组齿轮箱的工况类型,并在判断为故障状态时触发警报。本发明通过获取风电机组齿轮箱的多种数据信息,并引入深度学习技术,建立了深度神经网络模型,综合提取了风电机组齿轮箱的故障信号中的特征,基于此对风电机组齿轮箱的工况进行识别,达到自动提取风电机组齿轮箱正常工况与故障工况的特征,相较于采用人工定义的特征,该方法能得到更高的故障诊断正确率。