《利用传感器融合的方法对风力发电机组俯仰系统进行故障诊断》

  • 来源专题:纳米科技
  • 编译者: 郭文姣
  • 发布时间:2018-06-20
  • 由于用于维护的天气窗有限,风力涡轮机俯仰系统的故障可能会导致海上风力涡轮机严重故障。在像俯仰系统这样的复杂系统中,齿轮箱的故障会污染电机的电流信号,从而导致误诊。本文研究了一种传感器融合技术,以可靠地诊断螺距电机和多级行星变速箱的故障。基于从电机电流和变速箱振动信号中提取的特征,采用支持向量机分类器进行故障诊断。该方法通过三种常见的螺距驱动故障进行了验证,即螺距电机的定子转向故障、行星变速箱的输入轴轴承和行星齿轮故障。开发的诊断方法是通过在实验室设置的一种可调螺距驱动器进行人工播散故障的验证。

相关报告
  • 《具有柔性叶片的生物风力发电机组效率提高35%》

    • 来源专题:可再生能源
    • 编译者:pengh
    • 发布时间:2017-08-16
    • 风能已经占地球能力的四分之一,但法国机构的五名研究人员最近从大自然中获得灵感,使风力发电机更好。灵感来自蜻蜓的生物特性,他们发现风力涡轮机上的柔性叶片使机器更加高效。风力发电机如今在最佳风速下工作良好,但新的生物灵感设计可以提供一个解决这个问题的方法,使风力发电更加方便。 风速影响风力发电机的功能。如果风太慢,涡轮机不会转动并产生能量;如果风太快,可能会损坏涡轮机。根据科学,风也必须以正确的俯仰角击中涡轮机,以将正确的扭矩量施加到发电机。索邦大学和法国国立高等工程技术学校的科学家的新研究将这些问题与灵活的刀片相类似,就像昆虫翅膀一样。 研究人员使用规则的硬涡轮叶片,轻微柔性的涡轮叶片和非常灵活的涡轮叶片来构建原型。最后的设计竟然太软了,但是稍微柔软的刀片胜过刚性刀片,能够提供多达35%的功率。他们还继续在较低的风力条件下工作,并不会在大风中受到损害。
  • 《基于卷积神经网络和门控递归单元的SCADA数据时空融合的风力发电机状态监测》

    • 来源专题:可再生能源
    • 编译者:pengh
    • 发布时间:2019-08-07
    • 旨在通过综合利用监测控制和数据采集(SCADA)数据的时空变化信息准确识别风力发电机组的健康状态,提出一种基于SCADA时空特征融合的风力发电机状态监测新方法本文提出了卷积神经网络(CNN)和门控递归单元(GRU)的数据。首先,应用Pearson prod-moment相关系数的缺失值补充和变量选择来提高SCADA数据的有效性。其次,CNN和GRU的结构构建了深度学习模型。 SCN数据的空间特征由CNN在每一步提取,空间特征序列的时间特征由GRU提取和融合。第三,历史健康的SCADA数据用于训练正常行为模型。最后,训练后的模型接收测量数据并输出预测值。计算实际数据和预测输出之间的全部残差,以将其置于指数加权移动平均控制图中,以识别风力涡轮机的状况。在测量的SCADA数据实验中证明了所提方法的有效性和可用性。