-
公开(公告)号：CN116659646A
公开(公告)日：2023-08-29
申请号：CN202310623303.8
申请日：2023-05-29
IPC分类号： G01H9/00 , F03D17/00 , G06F30/20 , G06V10/764 , G06V10/774 , G06T5/00
摘要： 本申请提出了一种基于机器视觉的风机叶片振动检测方法及装置，涉及叶片振动检测领域，该方法包括：采集风机叶片振动图像，并将风机叶片振动图像转化为数字图像信息；对数字图像信息进行预处理与初步去噪，基于历史风机叶片图像训练的深度学习识别模型对初步去噪后的数字图像信息进行深度去噪；基于自适应视频放大方法对数字图像信息进行放大，并通过亚像素模板匹配算法从放大后视频中提取风机叶片振动的位移时程响应；对位移时程响应进行归一化处理，得到实际位移时程响应，对实际位移时程响应进行快速傅里叶变换获取风机叶片的振动频率。本申请提出的方法具有可靠性强、抗干扰能力强、安装简便、成本低、可针对性提取特征、识别准确率高等优点。
-
公开(公告)号：CN116756631A
公开(公告)日：2023-09-15
申请号：CN202310671178.8
申请日：2023-06-07
IPC分类号： G06F18/241 , G06F18/21 , F04D27/00
摘要： 本申请提出了一种风机结构模态参数的识别方法及系统，该方法包括：获取风机结构的振动信号,并对振动信号进行傅里叶变换，获得风机结构的多阶固有频率的初步估计值；依次对初步估计值进行滤波处理和经验模态分解，获得风机结构的多阶固有模态函数；通过随机减量技术对每阶固有模态函数进行处理，提取出每阶模态的自由振动衰减响应信号；对每阶模态的自由振动衰减响应信号进行希尔伯特‑黄变换，并对变换后的信号进行模态分析，获得风机结构各阶模态的多个模态参数。该方法提高了对风机结构模态参数的识别精度。
-
公开(公告)号：CN116495228A
公开(公告)日：2023-07-28
申请号：CN202310689198.8
申请日：2023-06-09
摘要： 本公开提出一种基于SMA的无人机减振起落架，涉及减振技术领域，其中，无人机减振起落架包括：底座；多个减振装置，减振装置包括：第一筒体、减振杆、第一弹性组件、第二弹性组件和至少一个SMA组件，SMA组件的一端与第一弹性组件的受力端相连，且SMA组件远离第一弹性组件的一端与第二弹性组件的受力端相连。在本公开的一种基于SMA的无人机减振起落架中，SMA组件配合第一弹性组件和第二弹性组件能够提供较大的弹力和阻尼力，从而有效提升了减振装置的耗能能力，进而保证了无人机减振起落架的稳定支撑，满足了无人机的安全降落需求。
-
公开(公告)号：CN115963294A
公开(公告)日：2023-04-14
申请号：CN202211556937.8
申请日：2022-12-06
IPC分类号： G01P21/02 , G06F18/214 , G06F16/215
摘要： 本发明提出一种风力发电机组及其风速仪故障诊断方法、装置和设备，所述方法包括：分别获取第一风速仪和第二风速仪在设定历史时间内的第一风速数据集和第二风速数据集；分别对第一风速数据集和第二风速数据集，以设定间隔时间进行分组处理，得到M个第一风速数据组和M个第二风速数据组；对M个第一风速数据组和M个第二风速数据组进行清洗，以得到N个第一目标风速数据组和N个第二目标风速数据组；根据N个第一目标风速数据组和N个第二目标风速数据组计算预警值；根据预警值对第一风速仪和第二风速仪进行故障诊断。该方法能够准确地诊断出风速仪是否发生故障，避免风速仪故障误报，以保证风力发电机组能够正常控制，且保障评估结果的有效性。
-
公开(公告)号：CN118349893A
公开(公告)日：2024-07-16
申请号：CN202410587388.3
申请日：2024-05-13
IPC分类号： G06F18/241 , G06F17/18 , G06Q50/06
摘要： 本申请提出一种基于SCADA数据的风电机组优先级确定方法，其中，方法包括：根据风电场中各机组历史发生的故障的类别，筛选出目标机组；获取预设采样时间段内各目标机组所对应的SCADA数据，对SCADA数据进行运算，以确定各目标机组对应的第一平均风速、湍流越限比例、等效小时数中的至少一个；根据第一平均风速，确定第一分值，根据湍流越限比例，确定第二分值以及根据等效小时数，确定第三分值；根据预设权重，对第一分值、第二分值以及第三分值进行计算，以确定最终评分；根据各目标机组最终评分，确定对各目标机组进行改造的优先级。由此，方便了后续工作人员基于所确定的优先级高效地从众多目标机组中选取出改造后发电量提升显著的机组。
-
公开(公告)号：CN116956193A
公开(公告)日：2023-10-27
申请号：CN202310953382.9
申请日：2023-07-31
申请人： 华能澜沧江水电股份有限公司 , 中国华能集团清洁能源技术研究院有限公司
IPC分类号： G06F18/2433 , G06F18/213 , G06F18/10 , F03D17/00 , G06F123/02
摘要： 本发明属于风力发电技术领域，具体涉及一种风力发电机功率曲线异常原因识别方法，获取目标风电场各机位点机组的运行实时数据、功率阈值P0和风速阈值V0；对运行实时数据进行预处理，得到机组处于发电运行状态且处于非限功率状态下的数据集，所述数据集包括时间标识序列Ti、风速序列Vi及功率序列Pi；根据Vi及Pi得到异常散点图；在异常散点图上将Pi V0的散点归为异常散点，得到异常散点集Q；针对异常散点集Q内所有散点进行判断，筛选出由于大风工况下机组反复切出切入状态导致的部分异常点，这部分异常点就不再需要人为去判断分析，剩下的异常点需要其他方法进行分析，减轻运维人员负担，提高异常排查效率。
-
公开(公告)号：CN116793617A
公开(公告)日：2023-09-22
申请号：CN202310762566.7
申请日：2023-06-26
IPC分类号： G01M3/32
摘要： 本发明属于膨胀罐异常检测技术领域，涉及一种膨胀罐异常检测方法，按照时间顺序检查膨胀罐的状态标识通道，确定膨胀罐状态是否为运维状态；若在运维状态下，识别出膨胀罐压力快速上升，识别出补水状态；再次进行压力最大值的查找，识别出压力发生振荡的异常特征，且识别膨胀罐压力异常下降，可识别出膨胀罐后期压力不稳定，维持不了恒定压力的异常。该方法主要通过数据分析方法识别出膨胀罐发生异常，避免运维人员认为是系统缺水问题，仅通过补水方式虽然短时间内压力有一定回复，但时间稍长又会回到异常状态，未达到根本解决系统压力异常情况，造成机组短期内会继续报故障。
-
公开(公告)号：CN116591915A
公开(公告)日：2023-08-15
申请号：CN202310754146.4
申请日：2023-06-25
摘要： 本发明属于风力发电技术领域，涉及一种识别风力发电机组叶片执行偏差方法，先获取风电场历史数据，将满足连续性的SCADA数据按照预设时间片段进行分割，得到N组数据；获取每组数据中的变桨指令、三支叶片的变桨角度及风速，并按照时间序列进行排序；计算出每组数据内的变桨角度偏差最大值、累计偏差量、风速湍流值；判断每组数据内的变桨指令是否全部在预设变桨角度范围内，若是，则获取每组数据对应的变桨角度偏差最大值、累计偏差量及风速湍流值；确定第一阈值和第二阈值；当连续X个变桨角度偏差最大值大于第一阈值，且累计偏差量大于第二阈值，则判断叶片角度执行偏差过大。解决了现有技术精确度低，需要增加额外设备的问题。
-
公开(公告)号：CN115782627A
公开(公告)日：2023-03-14
申请号：CN202211575219.5
申请日：2022-12-08
IPC分类号： B60L53/12 , B60L53/126 , B64U50/38
摘要： 本发明公开的一种无人机无线充电系统及其工作方法，属于无线充电技术领域。包括设置在地面的地面充电装置和设置在无人机上的机载放电装置；充电模块与第一压电转换模块连接，第一压电转换模块与超声发送模块连接，无人机状态信息接收模块与地面充电装置的控制单元连接；超声波接收模块与第二压电转换模块连接，第二压电转换模块与放电模块连接，放电模块与无人机的机载电池连接；无人机状态信息发送模块与无人机状态信息接收模块通信互联；超声波接收模块能够接收超声发送模块发出的超声波。本发明能够不受距离限制的对无人机进行远距离无线充电，增加了无人机的持续作业时间；不需要人工干预，节省了人力物力，实现了无人机巡检及作业的无人化。
-
公开(公告)号：CN115750229A
公开(公告)日：2023-03-07
申请号：CN202211407029.2
申请日：2022-11-10
IPC分类号： F03D17/00
摘要： 本发明属于风电技术领域，具体公开了一种基于多源传感的风电机组全状态监测系统，包括：叶片监测系统、塔筒监测系统、CMS检测系统、无线传输模块、机舱交换机、塔筒交换机、一体化数据采集装置、服务器和集控中心；本发明通过叶片监测系统、塔筒监测系统和CMS检测系统对振动、声音、视频等多参量进行一体化数据采集，全面覆盖风机叶片、塔筒、传动链等核心部件的运行状态，实现风电机组关键核心部件全状态监测。多种类型、多种采集频率的信号经有线/无线混合通讯传输至一体化数据采集装置后，可进行数据预处理。基于对状态监测数据的采集分析处理，可有效对风电机组运行状态进行全面监测，进而实现故障早预警、预测性运维。
-
-
-
-
-
-
-
-
-
搜索结果
30 条记录 (耗时 0.08 秒)