采用趋势状态分析的风机齿轮箱状态在线评估云模型

为预防风机齿轮箱严重故障的发生,提出了一种结合正态云模型和趋势状态分析法的齿轮箱状态评估模型.首先,基于数据采集与监控(SCADA)系统的历史数据,采用支持向量机方法建立齿轮箱运行温度预测模型,对齿轮箱不同状态下的趋势预测特征进行分析,求取正常和异常状态时预测值的相对误差序列.然后,采用改进无确定度逆向正态云发生器,利用所求取的相对误差序列提取正常云和异常云的数字特征,构建齿轮箱状态评估云模型.该模型能够根据风机SCADA系统的实测数据,求取齿轮箱当前状态对正常云和异常云的贴近度,并采用最大贴近度原则确定齿轮箱状态.最后,利用辽宁某风机齿轮箱的实测数据对所提模型进行验证.结果表明:该模型能够对齿轮箱的早期缺陷及时预警,达到实时监测的目的.     

可拓学在高速轨道车辆齿轮箱运行状态监测中的应用

提出一种基于可拓学理论的高速轨道车辆齿轮箱运行状态监测方法.通过选取适当的特征参数,建立齿轮箱正常运行时在各振动方向的物元模型.采用基于仿生优化方法的粒子群优化算法对物元模型特征参数的经典域进行优化.在特征参数经典域优化结果及关联函数基础上,基于Matlab GUI界面设计齿轮箱的运行状态监测系统,对齿轮箱在各方向的当前振动状态进行定性定量监测.其分析结果与齿轮箱的实际运行状态相一致,验证了该方法的正确性.      

采用动态劣化度的风电机组运行状态实时评估

为满足大数据环境下风电机组状态评估的实时性要求,提出一种基于动态劣化度的实时状态评估方法.首先,建立动态劣化度计算模型;然后,引入正态云模型取代传统隶属函数,将正态云模型与模糊综合评价法相结合,形成风电机组运行状态实时评估方法;最后,基于辽宁某风电机组的SCADA数据,利用所述方法对其进行状态评估.实验结果表明:该方法能够准确把握机组的实时运行状态,并对其早期缺陷及时预警,有助于防范机组严重故障的发生.     

基于神经网络和证据理论集成的钻井过程状态监测与故障诊断

钻井过程状态监测与故障诊断是钻井系统安全运行过程中的重要保障。基于信息融合原理,先建立钻井过程参数子空间和子神经网络进行初级融合,形成对钻井故障辨识框架中各故障模式的证据支持,再利用D-S证据理论将子网络输出所形成的证据进行融合,得到各故障模式的置信区间,很好地实现了钻井状态识别。试验结果表明,基于神经网络和证据理论集成的融合算法降低了神经网络的复杂性,提高了神经网络诊断过程的效率,集成融合算法可以很好地提高钻井参数融合的准确性。     

基于ARIMA风电机组齿轮箱故障趋势预测方法研究

针对齿轮箱计划外停机和意外故障导致的风电机组安全运行问题,提出了一种基于ARIMA模型的故障趋势预测方法;方法可以处理具有非线性和非平稳性特征的齿轮箱运行状态监测数据,用以时间序列的自相关分析为基础的模型预测状态监测时间序列数据的趋势变化;选择生产现场采集到的齿轮箱油泵出口压力SCADA数据和运行实例验证了方法的有效性,实验结果的拟合效果令人满意;研究结果表明方法能够适应齿轮箱运行状态监测数据随时间的变化特征,反映出一定的运行状态变化趋势,具有较好的预测精度和较大的应用范围,对风电机组其他部件的故障趋势预测具有一定的应用参考价值。     

随机状态空间模型在结构异常识别中的应用

对振动信号的随机状态空间模型,利用数据驱动随机子空间识别的计算理论得到结构的状态矩阵A.为克服状态矩阵的多样性问题,构造非奇异线性变换矩阵T,将状态矩阵转换为能控标准型,利用状态矩阵能控标准型中参数向量的向量角作为结构异常指标,对结构进行异常识别.数值实验验证了该方法的有效性.     

旋转机械设备状态预警与维修优化

旋转机械设备的维修策略对于维护机械设备运行状态,保障产品生产质量有着重要意义,并且直接影响企业经济效益.频繁维修虽可以保障设备状态,但随之会带来高昂的维修成本;检修周期过长虽然可以降低维修次数,减少维修成本,但是设备状态却难以保证.本文提出了一种基于峭度指标的故障预警方法以及基于模糊C均值方法的实时维修策略优化方法.通过监测峭度指标变化,可以成功捕捉机械设备的早期故障特征,再使用模糊C均值方法,评估设备状态,将其结果视为设备运行可靠性指标,根据企业效益最优化的维修建议准则,对设备的维修策略做出实时建议.对某钢厂的设备状态监测数据分析验证,结果表明,本文提出的基于实时维修策略优化方法的维修建议更加适用于现场设备的管理,节约了监测成本,使得企业效益更优.     

大功率MMC系统中子模块IGBT状态监测系统设计方法

绝缘栅双极型晶体管(insulated gate bipolar transistor)是模块化多电平换流阀(modular multi-level converter, MMC)中的关键部件之一，对其运行状态进行在线监测是保障MMC系统安全、可靠和经济运行的重要措施。针对MMC子模块中多芯片并联IGBT模块运行状态难以实时监测的问题，文中提出了基于模块壳温分布规律与老化状态映射关系的运行状态监测系统设计方法，以实现不同工况下IGBT模块状态的自适应评估和管理。首先，分析了MMC子模块中IGBT模块老化失效对热流的影响规律，甄选了壳温作为表征模块状态的特征参量。其次，建立了适用于不同工作点的基于神经网络的IGBT模块老化状态监测模型，并根据不同应用场景的需求偏好实现了对功率模块运行状态的表征和识别；最后，基于所提的状态监测系统设计方法在MMC测试平台上验证了方法可行性和有效性。文中所提方法为解决大功率工况下MMC子模块中IGBT模块的状态监测问题提供了新的思路，为系统的运行维护提供了实用、有效的解决方案。     

基于注意力机制和CNN-GRU组合网络的海底电缆运行状态预测方法

海底电缆作为各类海上平台能源供给的生命线,一旦发生故障将产生巨大的经济及战略影响,准确预测海底电缆运行状态有助于提前把握其运行风险,从而实现预防性维护。本文在充分挖掘海底电缆运维数据中的动、静态特征的基础上,提出一种基于注意力机制和卷积神经网络-门控循环神经网络（CNN-GRU）海底电缆运行状态预测方法。首先,考虑在线监测、巡检指标、静态试验三类关键影响因素,建立海底电缆运行状态评估指标体系;然后,基于改进层次分析法及多层次变权评估思想构建海底电缆运行状态评估模型;最后,建立基于注意力机制和CNN-GRU组合神经网络模型,将历史运行参数及状态量化结果作为输入特征参量,实现海底电缆运行状态的演化趋势预测。算例分析表明,所提方法可有效预测海底电缆的运行状态,平均百分数误差低至1.04%,与全连接神经网络、CNN、CNN-长短期记忆神经网络(LSTM)等算法相比均具备更优的预测精度。     

基于动态惯性权重粒子群算法的齿轮箱故障诊断研究

针对工程上齿轮箱实时监测和故障诊断的需要,对JZQ250型齿轮箱展开研究,提出了基于动态惯性权重PSO算法训练BP神经网络的齿轮箱故障诊断方法。通过时域参数分析提取监测特征值作为齿轮箱的状态监测值,将故障特征向量作为神经网络的输入向量进行故障诊断,并与BP算法的诊断结果进行了比较。实验结果表明,动态惯性权重PSO算法具有收敛速度快,经过神经网络学习训练后能较好地收敛于最优解;该算法用于齿轮箱故障诊断效果理想,能够准确进行齿轮箱故障定位,在故障诊断领域里具有广泛的应用前景。     

变工况时频脊流形早期故障预警方法研究

针对风电机组齿轮箱工况复杂多变,提出了一种基于Gabor重排对数时频脊流形早期故障预警方法.该方法首先研究提取Gabor重排对数时频谱的脊线,构建早期故障高维特征向量;然后研究改进局部切空间流形学习方法,进行维数约简;最后采用K-近邻分类器,实现变工况风电机组齿轮箱的早期故障识别与预警.通过变转速、变载荷等多种工况的行星齿轮箱磨损试验与风电机组现场运行数据验证,结果表明该方法有效提高了复杂变工况风电机组齿轮箱早期故障预警准确率,可为其预知维护提供可靠依据.      

多工况下兆瓦级海上风电齿轮箱均载性能优化设计

针对兆瓦级海上风电齿轮箱行星级均载性能易受到时变非扭载荷影响的问题，该文提出了多风速工况下风电齿轮箱行星级均载性能优化方法。通过建立某型5 MW海上风电齿轮箱系统动力学模型，分析不同风速工况对其行星级内部激励和均载特性的影响规律，进而采用支持向量回归方法，重构风速工况齿轮修形参数均载系数之间的映射关系，建立考虑不同风速工况影响的齿轮箱行星级均载系数优化模型，实现多风速工况下行星级齿轮修形参数优化设计。研究结果表明：由风速工况变化造成的时变非扭载荷会使行星级的齿面和轴承出现偏载现象，并且在低风速工况时非扭载荷会显著降低行星级均载性能；优化后的风电齿轮箱在不同风速工况下其行星级内部激励均明显降低，齿面和轴承载荷分布更加均匀，均载性能得到明显提升。     

风电机组增速箱制造技术研究与进展

增速齿轮箱作为风力发电设备的核心部件,其制造质量是保证机组整体性能的关键。风电机组增速箱制造是一个涉及多学科的综合性技术,应充分利用现有技术条件,深入研究工艺基础理论,完善工艺控制方法,促进新技术、新工艺、新材料的应用,真正实现数字化精益制造。文章针对风电机组增速箱结构特点和使用工况,结合工程生产实践,总结风电齿轮箱的工艺技术要求和特点;分析风电齿轮箱齿轮、箱体及行星架等关键零部件的制造技术现状及存在的问题,提出提高加工效率和控制热处理变形的措施,最后介绍风电齿轮箱测试技术。文章对指导风电增速箱制造具有一定工程应用价值。     

粒子群优化算法在齿轮箱振动信号去噪中的应用

 以振动频谱分析和粒子群优化算法为主要理论依据,以风力涡轮机齿轮箱为例,提出一种基于一维加速搜索算法和粒子群优化的齿轮箱振动信号去噪方法。利用一维加速搜索算法缩减搜索范围,应用粒子群优化算法提升优化效果,对切比雪夫带通滤波器和Morlet小波滤波器的设计参数进行优化,并对齿轮箱故障振动信号进行滤波处理。仿真实验结果表明,此方法能够实现快速有效滤波去噪,适用于齿轮箱实时故障诊断的研究,具有一定的理论研究价值和实践应用价值。     

A rough sets based pruning method for bagging ensemble

Ensemble techniques train a set of component classifiers and then combine their predictions to classify new patterns. Bagging is one of the most popular ensemble techniques for improving weak classifiers. However, it is hard to deploy in many real applications because of the large memory requirement and high computation cost to store and vote the predictions of component classifiers. Rough set theory is a formal mathematical tool to deal with incomplete or imprecise information, which has attracted a lot of attention from theory and application fields. In this paper, a novel rough sets based method is proposed to prune the classifiers obtained from bagging ensemble and select a subset of the component classifiers for aggregation. Experiment results show that the proposed method not only decreases the number of component classifiers but also obtains acceptable performance.     

风电主齿轮箱动态响应分析

以某3 MW风电齿轮箱为研究对象,通过导入壳体、齿圈、转架有限元凝聚刚度矩阵,建立基于MASTA的多柔体动力学模型,分析发现箱体在三级齿轮啮合频率附近有最高的动能分布,齿轮箱在高速级齿轮第一阶啮合频率激励下有最大的振动响应,且计算结果和试验测试结果基本符合。该结果可对风电齿轮箱设计阶段进行振动风险规避提供一定计算参考。     

风电齿轮箱传动系统的动力学建模

由于风速的随机性特点,使得风电齿轮箱长期处于较为复杂的变载荷作用下而产生振动,这些振动将会引起齿轮箱内部结构的损坏.为了更好地对齿轮箱进行动力学分析,将风电齿轮箱传动系统分解为三级齿轮传动,采用集中质量法,在直齿轮、斜齿轮和行星齿轮动力学模型的基础上,建立了整个齿轮箱传动系统的动力学模型;并在考虑齿轮啮合刚度、啮合阻尼、啮合误差、偏心量、弯扭耦合、自身重力以及支撑轴承等因素的共同作用下,利用拉格朗日方程推导了整个传动系统的动力学方程.为今后分析兆瓦级风电齿轮箱传动系统的固有特性、动态响应等动力学特性奠定了一定的基础.     

大功率风电增速器的多目标优化设计

针对风电增速器的动态性能优化问题,以某型号大功率风电增速器齿轮传动系统为研究对象,采用双参数威布尔分布函数作为随机风速来模拟随机风速下的外部激励,依据集中质量法及牛顿第二定律建立了两级行星一级平行轴的大功率风电增速器动力学模型,研究其传动系统的动力学特性。在此基础上,以传动系统体积最小和构件扭转振动加速度振动幅值最小为优化目标,以可靠性和强度等为约束条件进行多目标动态优化设计,优化结果表明:优化后的风电增速器齿轮传动系统不仅实现了轻量化,而且在保证系统可靠度的前提下动态性能也得到了有效改善,达到了减振降噪的目的。