CN110967187A - 一种变桨轴承失效的预警方法及*** - Google Patents

一种变桨轴承失效的预警方法及*** Download PDF

Info

Publication number
CN110967187A
CN110967187A CN201911266304.1A CN201911266304A CN110967187A CN 110967187 A CN110967187 A CN 110967187A CN 201911266304 A CN201911266304 A CN 201911266304A CN 110967187 A CN110967187 A CN 110967187A
Authority
CN
China
Prior art keywords
early warning
value
evaluation
pitch
variable
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201911266304.1A
Other languages
English (en)
Other versions
CN110967187B (zh
Inventor
吴广超
马彦
臧芳
梁凯
李怀远
王德强
吴东东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Integrated Electronic Systems Lab Co Ltd
Original Assignee
Integrated Electronic Systems Lab Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Integrated Electronic Systems Lab Co Ltd filed Critical Integrated Electronic Systems Lab Co Ltd
Priority to CN201911266304.1A priority Critical patent/CN110967187B/zh
Publication of CN110967187A publication Critical patent/CN110967187A/zh
Application granted granted Critical
Publication of CN110967187B publication Critical patent/CN110967187B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G01M13/04—Bearings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

一种变桨轴承失效的预警方法，该方法包括以下步骤：对机组数据进行采集并存储；判断机组数据采集周期是否结束；如果结束，则对变点进行评估；根据评估结果与预警阈值的对比判断是否报警。还包括一种变桨轴承失效的预警***。本发明通过分析计算风力发电机变桨过程中五度接近开关值的变化趋势，判断风力发电机变桨轴承运行异常情况，及时发现变桨轴承的异常，能够提前判断隐患，避免故障停机的发生。通过对变桨轴承变桨过程中的运行参数进行分析计算，实现难度小，成本低，而且评估效果有很大改善。

Description

一种变桨轴承失效的预警方法及***
技术领域
本发明涉及风力发电机技术技术领域，具体地说是一种变桨轴承失效的预警方法及***。
背景技术
风电行业作为清洁能源在最近时期得到了快速发展，风力发电已经成为重要的电力能源解决方案。伴随着风电行业快速发展的同时，风机部件的可靠性也更加重要，因部件失效带来的损失也在逐年上升。在这方面，变桨轴承开裂问题尤其突出，已出现多起批量性质量问题，甚至导致风机倒塌，带来重大损失以及人员伤亡。由于变桨轴承结构以及运行工况复杂，导致其受力状况复杂，难以直接分析，外置振动检测传感器施工难度大，成本高，并且实施效果不理想。
如何建立有效便捷的预警机制，通过风机参数的计算来评估变桨轴承运行状态来尽早发现变桨轴承的异常状态，为变桨轴承预防性维护提供数据依据，减少机组带病运行的时间，从而避免机组的变桨轴承开裂导致的风电机组损坏和恶性事故发生，成为风电行业急需解决的问题。
发明内容
本发明为了解决上述问题，提供了一种变桨轴承失效的预警方法及***。
本发明解决其技术问题所采取的技术方案是：
本发明第一方面提供了一种变桨轴承失效的预警方法，该方法包括以下步骤：
对机组数据进行采集并存储；
判断机组数据采集周期是否结束；
如果结束，则对变点进行评估；
根据评估结果与预警阈值的对比判断是否报警。
结合第一方面，在第一方面第一种可能实现的方式中，所述的机组数据包括时间、风机编号、变桨过程五度接近开关值。
结合第一方面，在第一方面第二种可能实现的方式中，对变点进行评估具体包括对均值变点评估、对最小二乘法线性回归系数变点评估、对中位数分组回归的分组均值差与系数差变点评估。
结合第一方面，在第一方面第三种可能实现的方式中，对均值变点评估具体包括以下方法：
计算五度接近开关值均值
Figure BDA0002312950820000021
式中，vk为五度接近开关值，k＝1，2，3...N。
结合第一方面，在第一方面第四种可能实现的方式中，对最小二乘法线性回归系数变点评估具体包括以下方法：
在风机变桨过程中获得五度接近开关值为vk；
设定一元线性回归函数：y＝a+bx；
第i个数据与拟合直线上相应的值之间残差为：
Vi＝Δyi＝yi-(a+bxi)；
Vi＝Δyi＝yi-(a+bxi)
最小二乘法拟合原理为
Figure BDA0002312950820000022
为最小值，即
Figure BDA0002312950820000031
设置
Figure BDA0002312950820000032
对a和b的一阶偏导数等于0，即：
Figure BDA0002312950820000033
Figure BDA0002312950820000034
Figure BDA0002312950820000035
其中
Figure BDA0002312950820000036
Figure BDA0002312950820000037
其中
Figure BDA0002312950820000038
Figure BDA0002312950820000039
Figure BDA00023129508200000310
结合第一方面，在第一方面第五种可能实现的方式中，对中位数分组回归的分组均值差与系数差变点评估具体包括以下方法：
将风机的在变桨过程中获得五度接近开关值按照由小到大排序获得样本数组为v′k，样本数量为N，k＝1，2，3......；v′n为中位数，则有中位数分组数组X1＝(v′1，v′2，...，v′n)；X2＝(vn+1，vn+2，...，vN)；
针对数组X1进行最小二乘法线性回归，设定一元线性回归函数为：
y＝a1+b1x
其中第i个数据vi与拟合直线上相应的值之间残差为：
Vi＝Δyi＝yi-(a1+b1xi)
最小二乘法拟合原理为
Figure BDA00023129508200000311
为最小值，即
Figure BDA00023129508200000312
该结果需要
Figure BDA00023129508200000313
对a1和b1的一阶偏导数等于0，即：
Figure BDA0002312950820000041
Figure BDA0002312950820000042
Figure BDA0002312950820000043
其中
Figure BDA0002312950820000044
Figure BDA0002312950820000045
其中
Figure BDA0002312950820000046
Figure BDA0002312950820000047
Figure BDA0002312950820000048
针对数组X2进行最小二乘法线性回归，设定一元线性回归函数为：
y＝a2+b2x
其中第i个数据vi与拟合直线上相应的值之间残差为：
Vi＝Δyi＝yi-(a2+b2xi)
最小二乘法拟合原理为
Figure BDA0002312950820000049
为最小值，即：
Figure BDA00023129508200000410
该结果需要
Figure BDA00023129508200000411
对a2和b2的一阶偏导数等于0，即
Figure BDA00023129508200000412
Figure BDA00023129508200000413
Figure BDA00023129508200000414
其中
Figure BDA00023129508200000415
Figure BDA0002312950820000051
其中
Figure BDA0002312950820000052
Figure BDA0002312950820000053
Figure BDA0002312950820000054
结合第一方面，在第一方面第六种可能实现的方式中，判断是否报警具体包括：在均值变点评估中，当E(vk)＞t1时(t1为均值变点预警阈值)，表明风机的变桨过程中五度接近开关值出现均值变点，进行变桨轴承失效预警报警；
在对最小二乘法线性回归系数变点评估中，当b＞t2(t2为最小二乘法线性回归系数变点预警阈值)，表明风机的变桨过程中五度接近开关值出现回归变点，进行变桨轴承失效预警报警；
在对中位数分组回归的分组均值差与系数差变点评估中，
Figure BDA0002312950820000055
(t3为中位数分组均值差变点预警阈值)，表明风机的变桨过程中五度接近开关值出现变点，进行变桨轴承失效预警报警；b2-b1＞t4(t4为中位数分组系数差变点预警阈值)，表明风机的变桨过程中五度接近开关值出现变点，进行变桨轴承失效预警报警。
本发明第二方面提供了一种变桨轴承失效的预警***，该***包括：数据采集模块，用于采集机组数据；数据存储模块，用于存储机组数据；评估模块，用于对变点进行评估；比对模块，用于根据评估结果与预警阈值进行比对；判断模块，用于判断数据采集周期是否结束以及根据比对结果判断是否报警。
本发明第二方面的所述***能够实现第一方面及第一方面的各实现方式中的方法，并取得相同的效果。
由以上技术方案可见，本发明通过分析计算风力发电机变桨过程中五度接近开关值的变化趋势，判断风力发电机变桨轴承运行异常情况，及时发现变桨轴承的异常，能够提前判断隐患，避免故障停机的发生。通过对变桨轴承变桨过程中的运行参数进行分析计算，实现难度小，成本低，而且评估效果有很大改善。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为一种变桨轴承失效的预警方法流程示意图
图2为本发明实施例所应用的一种变桨轴承失效的预警***结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
如图1所示，一种变桨轴承失效的预警方法，该方法包括以下步骤：
对机组数据进行采集；机组数据包括时间、风机编号、变桨过程五度接近开关值；
对采集后的数据进行存储；
判断机组数据采集周期是否结束；如果没有结束，则继续采集机组数据；
如果结束，则对变点进行评估；
根据评估结果与预警阈值的对比判断是否报警。
对变点进行评估包括对均值变点评估、对最小二乘法线性回归系数变点评估、对中位数分组回归的分组均值差与系数差变点评估。
对均值变点评估具体包括以下方法：
计算五度接近开关值均值
Figure BDA0002312950820000071
式中，vk为五度接近开关值，k＝1，2，3...N。
对最小二乘法线性回归系数变点评估具体包括以下方法：
在风机变桨过程中获得五度接近开关值为vk；
设定一元线性回归函数：y＝a+bx；
第i个数据与拟合直线上相应的值之间残差为：
Vi＝Δyi＝yi-(a+bxi)；
Vi＝Δyi＝yi-(a+bxi)
最小二乘法拟合原理为
Figure BDA0002312950820000072
为最小值，即
Figure BDA0002312950820000073
设置
Figure BDA0002312950820000074
对a和b的一阶偏导数等于0，即：
Figure BDA0002312950820000075
Figure BDA0002312950820000076
Figure BDA0002312950820000077
其中
Figure BDA0002312950820000078
Figure BDA0002312950820000081
其中
Figure BDA0002312950820000082
Figure BDA0002312950820000083
Figure BDA0002312950820000084
对中位数分组回归的分组均值差与系数差变点评估具体包括以下方法：
将风机的在变桨过程中获得五度接近开关值按照由小到大排序获得样本数组为v′k，样本数量为N，k＝1，2，3......；v′n为中位数，则有中位数分组数组X1＝(v′1，v′2，...，v′n)；X2＝(v′n+1，v′n+2，...，v′N)；
针对数组X1进行最小二乘法线性回归，设定一元线性回归函数为：
y＝a1+b1x
其中第i个数据vi与拟合直线上相应的值之间残差为：
Vi＝Δyi＝yi-(a1+b1xi)
最小二乘法拟合原理为
Figure BDA0002312950820000085
为最小值，即
Figure BDA0002312950820000086
该结果需要
Figure BDA0002312950820000087
对a1和b1的一阶偏导数等于0，即：
Figure BDA0002312950820000088
Figure BDA0002312950820000089
Figure BDA00023129508200000810
其中
Figure BDA00023129508200000811
Figure BDA00023129508200000812
其中
Figure BDA00023129508200000813
Figure BDA0002312950820000091
Figure BDA0002312950820000092
针对数组X2进行最小二乘法线性回归，设定一元线性回归函数为：
y＝a2+b2x
其中第i个数据vi与拟合直线上相应的值之间残差为：
Vi＝Δyi＝yi-(a2+b2xi)
最小二乘法拟合原理为
Figure BDA0002312950820000093
为最小值，即：
Figure BDA0002312950820000094
该结果需要
Figure BDA0002312950820000095
对a2和b2的一阶偏导数等于0，即
Figure BDA0002312950820000096
Figure BDA0002312950820000097
Figure BDA0002312950820000098
其中
Figure BDA0002312950820000099
Figure BDA00023129508200000910
其中
Figure BDA00023129508200000911
Figure BDA00023129508200000912
Figure BDA00023129508200000913
判断是否报警具体包括：在均值变点评估中，当E(vk)＞t1时(t1为均值变点预警阈值)，表明风机的变桨过程中五度接近开关值出现均值变点，进行变桨轴承失效预警报警。
在对最小二乘法线性回归系数变点评估中，当b＞t2(t2为最小二乘法线性回归系数变点预警阈值)，表明风机的变桨过程中五度接近开关值出现回归变点，进行变桨轴承失效预警报警。
在对中位数分组回归的分组均值差与系数差变点评估中，
Figure BDA0002312950820000101
(t3为中位数分组均值差变点预警阈值)，表明风机的变桨过程中五度接近开关值出现变点，进行变桨轴承失效预警报警；b2-b1＞t4(t4为中位数分组系数差变点预警阈值)，表明风机的变桨过程中五度接近开关值出现变点，进行变桨轴承失效预警报警。
如图2所示，一种变桨轴承失效的预警***，该***包括：数据采集模块，用于采集机组数据；数据存储模块，用于存储机组数据；评估模块，用于对变点进行评估；比对模块，用于根据评估结果与预警阈值进行比对；判断模块，用于判断数据采集周期是否结束以及根据比对结果判断是否报警。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种变桨轴承失效的预警方法，其特征是，该方法包括以下步骤：
对机组数据进行采集并存储；
判断机组数据采集周期是否结束；
如果结束，则对变点进行评估；
根据评估结果与预警阈值的对比判断是否报警。
2.根据权利要求1所述的方法，其特征是，所述的机组数据包括时间、风机编号、变桨过程五度接近开关值。
3.根据权利要求2所述的方法，其特征是，对变点进行评估具体包括对均值变点评估、对最小二乘法线性回归系数变点评估、对中位数分组回归的分组均值差与系数差变点评估。
4.根据权利要求3所述的方法，其特征是，对均值变点评估具体包括以下方法：
计算五度接近开关值均值
Figure FDA0002312950810000011
式中，vk为五度接近开关值，k＝1，2，3...N。
5.根据权利要求3所述的方法，其特征是，对最小二乘法线性回归系数变点评估具体包括以下方法：
在风机变桨过程中获得五度接近开关值为vk；
设定一元线性回归函数：y＝a+bx；
第i个数据与拟合直线上相应的值之间残差为：
Vi＝Δyi＝yi-(a+bxi)；
Vi＝Δyi＝yi-(a+bxi)
最小二乘法拟合原理为
Figure FDA0002312950810000021
为最小值，即
Figure FDA0002312950810000022
设置
Figure FDA0002312950810000023
对a和b的一阶偏导数等于0，即：
Figure FDA0002312950810000024
Figure FDA0002312950810000025
Figure FDA0002312950810000026
其中
Figure FDA0002312950810000027
Figure FDA0002312950810000028
其中
Figure FDA0002312950810000029
Figure FDA00023129508100000210
Figure FDA00023129508100000211
6.根据权利要求3所述的方法，其特征是，对中位数分组回归的分组均值差与系数差变点评估具体包括以下方法：
将风机的在变桨过程中获得五度接近开关值按照由小到大排序获得样本数组为v′k，样本数量为N，k＝1，2，3……；v′n为中位数，则有中位数分组数组X1＝(v′1，v′2，...，v′n)；X2＝(v′n+1，v′n+2，...，v′N)；
针对数组X1进行最小二乘法线性回归，设定一元线性回归函数为：
y＝a1+b1x
其中第i个数据vi与拟合直线上相应的值之间残差为：
Vi＝Δyi＝yi-(a1+b1xi)
最小二乘法拟合原理为
Figure FDA0002312950810000031
为最小值，即
Figure FDA0002312950810000032
该结果需要
Figure FDA0002312950810000033
对a1和b1的一阶偏导数等于0，即：
Figure FDA0002312950810000034
Figure FDA0002312950810000035
Figure FDA0002312950810000036
其中
Figure FDA0002312950810000037
Figure FDA0002312950810000038
其中
Figure FDA0002312950810000039
Figure FDA00023129508100000310
Figure FDA00023129508100000311
针对数组X2进行最小二乘法线性回归，设定一元线性回归函数为：
y＝a2+b2x
其中第i个数据vi与拟合直线上相应的值之间残差为：
Vi＝Δyi＝yi-(a2+b2xi)
最小二乘法拟合原理为
Figure FDA00023129508100000312
为最小值，即：
Figure FDA00023129508100000313
该结果需要
Figure FDA00023129508100000314
对a2和b2的一阶偏导数等于0，即
Figure FDA0002312950810000041
Figure FDA0002312950810000042
Figure FDA0002312950810000043
其中
Figure FDA0002312950810000044
Figure FDA0002312950810000045
其中
Figure FDA0002312950810000046
Figure FDA0002312950810000047
Figure FDA0002312950810000048
7.根据权利要求4或5或6任意一项所述的方法，其特征是，判断是否报警具体包括：在均值变点评估中，当E(vk)＞t1时(t1为均值变点预警阈值)，表明风机的变桨过程中五度接近开关值出现均值变点，进行变桨轴承失效预警报警；
在对最小二乘法线性回归系数变点评估中，当b＞t2(t2为最小二乘法线性回归系数变点预警阈值)，表明风机的变桨过程中五度接近开关值出现回归变点，进行变桨轴承失效预警报警；
在对中位数分组回归的分组均值差与系数差变点评估中，
Figure FDA0002312950810000049
(t3为中位数分组均值差变点预警阈值)，表明风机的变桨过程中五度接近开关值出现变点，进行变桨轴承失效预警报警；b2-b1＞t4(t4为中位数分组系数差变点预警阈值)，表明风机的变桨过程中五度接近开关值出现变点，进行变桨轴承失效预警报警。
8.一种变桨轴承失效的预警***，利用权利要求1-7任意一项所述的方法，其特征是，该***包括：数据采集模块，用于采集机组数据；数据存储模块，用于存储机组数据；评估模块，用于对变点进行评估；比对模块，用于根据评估结果与预警阈值进行比对；判断模块，用于判断数据采集周期是否结束以及根据比对结果判断是否报警。
CN201911266304.1A 2019-12-11 2019-12-11 一种变桨轴承失效的预警方法及*** Active CN110967187B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911266304.1A CN110967187B (zh) 2019-12-11 2019-12-11 一种变桨轴承失效的预警方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911266304.1A CN110967187B (zh) 2019-12-11 2019-12-11 一种变桨轴承失效的预警方法及***

Publications (2)

Publication Number Publication Date
CN110967187A true CN110967187A (zh) 2020-04-07
CN110967187B CN110967187B (zh) 2021-11-09

Family

ID=70033717

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911266304.1A Active CN110967187B (zh) 2019-12-11 2019-12-11 一种变桨轴承失效的预警方法及***

Country Status (1)

Country Link
CN (1) CN110967187B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6082907A (ja) * 1983-10-14 1985-05-11 Hino Motors Ltd 歯車の歯当たりの測定方法
JPS6082906A (ja) * 1983-10-14 1985-05-11 Hino Motors Ltd 歯車の歯当たりの測定方法およびその装置
KR950005896B1 (ko) * 1989-11-14 1995-06-02 안도오 덴끼 가부시끼가이샤 기어의 이 흔들림 측정장치
CN101183044A (zh) * 2007-12-04 2008-05-21 瓦房店轴承集团有限责任公司 风电变桨轴承试验机
CN103411774A (zh) * 2013-07-17 2013-11-27 华北电力大学 波动工况下的风电机组在线预警方法
CN106679977A (zh) * 2017-01-03 2017-05-17 国电联合动力技术有限公司 一种风电机组变桨轴承监控方法及装置
CN106840619A (zh) * 2015-12-07 2017-06-13 重庆松瑞汽车销售有限公司 汽车玻璃升降器检测装置
CN107304750A (zh) * 2016-04-18 2017-10-31 北京金风科创风电设备有限公司 用于风力发电机组塔架的异响检测方法和***
CN107630793A (zh) * 2016-07-18 2018-01-26 北京金风科创风电设备有限公司 风机齿形带或变桨轴承疲劳状态的检测方法、装置及***
CN207111314U (zh) * 2017-08-23 2018-03-16 北京金风科创风电设备有限公司 双开关检测装置及变桨***
CN108443088A (zh) * 2018-05-17 2018-08-24 中能电力科技开发有限公司 一种基于累计概率分布的风电机组状态判定方法
CN108932580A (zh) * 2018-06-05 2018-12-04 浙江运达风电股份有限公司 基于数据建模的风电机组变桨轴承磨损监测和预警方法
CN109296505A (zh) * 2018-10-16 2019-02-01 深圳众城卓越科技有限公司 一种风电变桨***位置冗余保护方法及其装置
CN109723609A (zh) * 2017-10-31 2019-05-07 中国电力科学研究院有限公司 一种风电机组变桨***的故障预警方法及***
US20190226943A1 (en) * 2018-01-23 2019-07-25 Mitsubishi Heavy Industries, Ltd. Facility condition monitoring device and facility condition monitoring method

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6082907A (ja) * 1983-10-14 1985-05-11 Hino Motors Ltd 歯車の歯当たりの測定方法
JPS6082906A (ja) * 1983-10-14 1985-05-11 Hino Motors Ltd 歯車の歯当たりの測定方法およびその装置
KR950005896B1 (ko) * 1989-11-14 1995-06-02 안도오 덴끼 가부시끼가이샤 기어의 이 흔들림 측정장치
CN101183044A (zh) * 2007-12-04 2008-05-21 瓦房店轴承集团有限责任公司 风电变桨轴承试验机
CN103411774A (zh) * 2013-07-17 2013-11-27 华北电力大学 波动工况下的风电机组在线预警方法
CN106840619A (zh) * 2015-12-07 2017-06-13 重庆松瑞汽车销售有限公司 汽车玻璃升降器检测装置
CN107304750A (zh) * 2016-04-18 2017-10-31 北京金风科创风电设备有限公司 用于风力发电机组塔架的异响检测方法和***
CN107630793A (zh) * 2016-07-18 2018-01-26 北京金风科创风电设备有限公司 风机齿形带或变桨轴承疲劳状态的检测方法、装置及***
CN106679977A (zh) * 2017-01-03 2017-05-17 国电联合动力技术有限公司 一种风电机组变桨轴承监控方法及装置
CN207111314U (zh) * 2017-08-23 2018-03-16 北京金风科创风电设备有限公司 双开关检测装置及变桨***
CN109723609A (zh) * 2017-10-31 2019-05-07 中国电力科学研究院有限公司 一种风电机组变桨***的故障预警方法及***
US20190226943A1 (en) * 2018-01-23 2019-07-25 Mitsubishi Heavy Industries, Ltd. Facility condition monitoring device and facility condition monitoring method
CN108443088A (zh) * 2018-05-17 2018-08-24 中能电力科技开发有限公司 一种基于累计概率分布的风电机组状态判定方法
CN108932580A (zh) * 2018-06-05 2018-12-04 浙江运达风电股份有限公司 基于数据建模的风电机组变桨轴承磨损监测和预警方法
CN109296505A (zh) * 2018-10-16 2019-02-01 深圳众城卓越科技有限公司 一种风电变桨***位置冗余保护方法及其装置

Also Published As

Publication number Publication date
CN110967187B (zh) 2021-11-09

Similar Documents

Publication Publication Date Title
Cui et al. An anomaly detection approach based on machine learning and scada data for condition monitoring of wind turbines
KR102509577B1 (ko) 풍력 터빈 블레이드를 검사하는 방법 및 기기, 및 그 장치 및 저장 매체
KR102393095B1 (ko) 진동, 음향, 이미지 데이터를 활용한 인공지능 기반의 회전설비 고장예지진단시스템
KR20170045354A (ko) 희소 코딩 방법론을 활용한 가스 터빈 센서 고장 검출
CN110469461B (zh) 一种风机齿带的断裂预估方法、其装置及可读存储介质
GB2476246A (en) Diagnosing an operation mode of a machine
CN116008701B (zh) 用于智能高压开关柜的电动机构运行诊断***及方法
CN116990626B (zh) 一种交流电网电压传输状态监测方法及***
CN112504511A (zh) 一种发电机定子温度监测方法、装置及介质
CN112711850A (zh) 一种基于大数据的机组在线监测方法
JP2010283000A (ja) 半導体製造における装置異常の予兆検知方法
KR101823922B1 (ko) 능동적 상태진단이 가능한 모터기동시스템
CN110967187B (zh) 一种变桨轴承失效的预警方法及***
CN116827264B (zh) 一种用于光伏发电的预警***
CN112241595A (zh) 基于逻辑回归的机载电源可靠性增长性能退化分析方法
JP2019045401A (ja) 部分放電診断装置および部分放電診断方法
CN114199505B (zh) 一种基于相关性分析的发电机定子线棒流通性评价方法
CN116735223A (zh) 一种燃气轮机多参数异常检测的方法
CN115825551A (zh) 一种隔离开关电机输出功率检测装置及方法
Rosli et al. Application of principal component analysis vs. Multiple linear regression in resolving influential factor subject to air booster compressor Motor failure
CN112508350A (zh) 一种汽轮发电机组振动预警方法及***
CN117406048B (zh) 一种变压器放电故障诊断方法及装置
KR20090041067A (ko) 부분 방전 신호 측정시 외부 잡음 제거 방법
US20220389912A1 (en) Method and system for performing condition monitoring of wind turbine components
CN115809417B (zh) 用于高压变频器控制柜的生产线运行信号检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant