一种面向运维的海上风电机组故障间隔时间预测方法

    公开(公告)号:CN113537627A

    公开(公告)日:2021-10-22

    申请号:CN202110888526.8

    申请日:2021-08-04

    IPC分类号: G06Q10/04

    摘要: 本发明公开了一种面向运维的海上风电机组故障间隔时间预测方法,通过提出一种改进的GM(1,1)模型应用于海上风电机组的故障间隔时间预测,改进的GM(1,1)模型对背景值和参数a、b的计算方式进行了优化,从理论分析层面提高了模型的预测精度;同时,结合海上风电机组的运行环境特点,考虑到其故障间隔时间的随机波动特性,在优化后的模型中加入了残差序列,并采用变周期的三角函数对其进行建模;采用人工蜂群算法对残差序列模型的参数进行优化求解,计算了各个数据点的残差值,并通过将其叠加到原始数据的预测值上来减小模型的预测误差。本发明故障间隔时间预测方法,能够有效地预测海上风电机组的故障发生时间,为海上风电机组的及时维修和故障预防提供指导。

    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。

    风电机组故障模拟控制方法和故障模拟试验台

    公开(公告)号:CN115539321A

    公开(公告)日:2022-12-30

    申请号:CN202211084314.5

    申请日:2022-09-06

    IPC分类号: F03D17/00

    摘要: 本发明公开了一种风电机组故障模拟控制方法和故障模拟试验台。本发明的风电机组故障模拟控制方法包括以下步骤:S1:对风电机组植入故障,或使用有故障风险的风电机组进行故障模拟试验;S2:使用驱动系统驱动所述风电机组运行,以对所述风电机组进行加载;S3:监测所述驱动系统以及所述风电机组中转动部分的运动参数,所述运动参数包括如下至少一种,转速参数、振动参数,当所述运动参数处于设定区间内时,继续进行所述故障模拟试验,当所述运动参数超出所述设定区间时,关闭所述驱动系统,所述故障模拟试验暂停。该方法能够根据运动参数判断风电机组以及驱动系统的运行状况,避免因故障劣化发生安全事故。

    一种齿轮箱的自动清洗装置及清洗方法

    公开(公告)号:CN116713255A

    公开(公告)日:2023-09-08

    申请号:CN202310787579.X

    申请日:2023-06-30

    IPC分类号: B08B3/14 B08B3/10

    摘要: 本发明提供一种齿轮箱的自动清洗装置及清洗方法,该清洗装置包括油箱、供油回路、抽油回路和循环回路,供油回路包括沿清洗油流向依次连接的油泵一、强磁过滤器一、强磁过滤器二、节流阀、流量计一、球阀一,油泵一的进油口与油箱连接,球阀一与齿轮箱的注油口连接;抽油回路包括沿清洗油流向依次连接的球阀二、污染度检测仪、强磁过滤器三、油泵二、磁回油过滤器一、流量计二,球阀二与齿轮箱的排油口连接,流量计二的输出端与油箱连接;循环回路包括沿清洗油流向依次连接的油泵三、风冷却器、磁回油过滤器二,循环回路的进油口与出油口均与油箱连接。本发明采用齿轮箱运转自动循环清洗,自动化程度高,清洗效果好,清洗效率高。