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。     

基于云理论的隧道结构健康诊断方法

隧道健康状态诊断过程作为一个模糊系统,具有随机性和模糊性的特点.传统的隧道结构健康诊断方法无法妥善地将系统的模糊性和随机性关联在一起.基于此,针对隧道结构健康状态诊断系统的模糊性和随机性特点,提出了基于云理论的隧道结构健康状态诊断方法.首先,建立反映隧道结构健康状况等级评语集的正态云模型.然后,依据逆向云发生器原理,将隧道结构健康状态指标的监测数据的归一化结果值转化为隶属度云模型.将健康状态指标的重要性语言值转化为权重云,用于表征各健康状态指标的重要程度.最后,运用云理论的计算方法对隧道结构健康状态等级进行诊断,得到健康状态等级诊断结果的云模型.应用云模型的改进方法,对某市地铁2号线盾构隧道结构健康状态进行了诊断,极大提高了诊断结果的可视化和鲁棒性.     

扩展的正态云发生器

正态云模型是一种最基本的云模型,用于定性概念与定量描述之间的不确定性转换.根据实际定性概念的含义,可扩展为三角云、半正态云和正态组合云.将云模型的数字特征期望理解为函数或图形,提出函数云、分形云等扩展云模型.给出各种扩展云模型的云发生器算法,有效地扩大地云模型的应用场合.     

基于知识和数据的牵引变压器状态评估系统

为提高牵引供电关键设备态检修能力,设计了一套适用于铁路的牵引变压器服役健康管理系统。利用MATLAB在科学计算方面和C#在系统界面开发方面的优势进行互补。采用Mysql数据库和云服务器建立数据基本台账,以牵引变电所内变压器历史试验数据为驱动,构建了主变压器机理和经验的状态评估模型。机理模型采用AHP-熵权法确定主客观权重,选择云模型确定各指标的隶属度,最后进行模糊运算得到合适评语。经验模型选择PCA-WOA-SVM联合分类评估,利用SMOTE对数据集过采样以平衡样本的完整性。结果表明,数据集均衡化后识别准确率为96.67%,比处理前提高5%。经验证,分级联合评估为牵引变压器开展状态评估与检修策略制定提供新思路,体现了该模型及系统的可靠性和准确性。     

基于区间分析和云模型的实物期权定价研究

针对实物期权定价中预期现金流收益的现值和投资成本采用精确值给出不太合理的实际情况,深入分析了现有的基于模糊集理论和基于云模型的实物期权定价方法,提出了基于区间分析和云模型的实物期权定价方法。首先,在基于云X信息的逆向云算法的启发下,结合区间分析理论,提出一种新的逆向正态云构建算法;然后,用生成的云模型表示预期现金流收益的现值和投资成本,结合期权定价理论和基于区间数的逆向云算法,运用云运算,给出了一种将专家评估区间数据转化成正态云模型的形式,并提出了利用逆向正态云估计预期现金流收益的波动率的实物期权定价方法;最后,通过实例模拟证明了该方法的有效性。     

基于广义回归神经网络的风电机组性能预测模型及状态预警

提出了一种基于广义回归神经网络（GRNN）的风力发电机组性能预测及异常状态预警方法。通过分析运行中影响风机主轴转速和发电功率的主要因素,确定了性能预测模型的输入和输出参数。运用SCADA系统的真实历史数据,采用广义回归神经网络（GRNN）建立了风电机组的性能预测模型,通过比较模型的预测精度对GRNN的平滑因子进行了优选。以此模型为基础,采用滑动数据窗方法实时计算风电机组转速和功率的残差评价指标,当评价指标连续超过预先设定的阈值时,则可判断风电机组状态异常。采用某实际风电机组若干历史故障发生前后的真实SCADA数据进行模拟,验证了方法的有效性。     

基于改进EAHP-正态云模型的尾矿库溃坝风险评价

针对尾矿库溃坝风险专家群决策评价中的主观随意性和语言模糊性,以及传统层次分析法采用“点”数据或“刚性”数据构造判断矩阵与实际情况不符等问题,将可拓集合理论以及物元理论与之相结合,并考虑到不同专家对指标重要性赋值结果可能与专家群体综合评判结果间的离异程度较大等客观因素,提出了一种可考虑专家客观权重系数的改进可拓层次分析法,同时利用正态云模型在处理指标随机性和模糊性等方面的独特优势,构建了一种基于改进EAHP-正态云理论的尾矿库溃坝风险评价方法.实例验证表明,该工程漫顶溃决、渗流破坏和管理因素方面均处于安全状态,失稳溃决方面处于较安全状态,整体上处于安全状态,当属正常库,与工程实际相吻合,该方法可有效提升尾矿库评价指标权重群决策结果的客观性和准确性,为该工程日后安全监测的重点及除险加固方案的制定提供参考.     

机械设备磨损状态变权综合评价方法

为对设备磨损状态做出准确评价,引入劣化度概念,提出机械设备磨损状态变权综合评价方法.通过最小二乘曲线拟合求取劣化度分布函数,结合算例对实际中机械设备磨损状态进行评估,验证了该方法的有效性.相比常权法,变权综合评价方法能够突出劣态.     

基于云模型的驾驶员驾驶状态评估方法

为了满足智能车辆辅助驾驶系统对驾驶员状态监测的要求,提出了一种以云模型理论为基础的评估机动车辆驾驶员驾驶状态的方法。介绍了云模型定义、云模型的3个数字特征和云发生器。通过云模型对实际道路上采集的驾驶员不同驾驶状态下的视频录像进行了建模和比较。在清华大学室外移动机器人平台THM R-V上进行了简单实验,实验结果表明,该方法可以识别驾驶员的异常驾驶行为并且给出报警信息。     

基于Bagging集成策略和多元状态估计的风电机组齿轮箱状态监测

风电机组齿轮箱的故障率和维护成本相对较高,有必要对其运行状态进行实时监测。多元状态估计(multivariate state estimate technique, MSET)是一种常用的状态监测方法,但在记忆矩阵规模较大时,MSET在线计算的实时性较差。为此,提出一种基于Bagging集成策略和MSET的新方法:首先基于Bagging集成策略,对训练数据进行多次随机抽样,构造多个记忆矩阵规模较小的MSET子模型,最终将子模型的结果平均后作为集成模型的输出。以某2 MW风电机组的运行数据为算例,对集成MSET的性能进行了对比实验。结果表明:在精度相当的前提下,集成方法的计算时间仅为常规方法的60%;结合统计过程控制技术设计了预警阈值和滑动窗口异常率,并对集成MSET的故障预警能力进行验证,结果表明,集成方法能够提前约10 d预警齿轮箱的实际故障。     

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。     

云模型在商品月销售量预测中的应用

针对营销企业商品月销售数量变化不定的难点,提出了基于云模型的商品月销售量的预测方法。根据云规则发生器计算云模型的数字特征值和所需数目的云滴,来预测未来商品月销售数量。云模型预测解决了预测数据的模糊性和随机性问题。实验结果表明,和基于时间序列季节预测方法相比,采用云模型预测的结果更准确,对企业的销售预测具有现实意义和参考价值。     

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。     

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.      

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.     

基于信息融合的风电机组齿轮箱轴承故障诊断

针对风电齿轮箱轴承故障问题,提出一种基于信息融合将BP神经网络与D-S证据理论相结合的风电轴承故障诊断方法。首先基于大数据,挖掘SCADA(supervisory control and data acquisition)系统中与风电齿轮箱轴承故障有关的振动、温度、电流、转矩和转速信号等故障特征;然后将各信号故障特征量作为神经网络输入,将神经网络的输出归一化作为证据理论基本概率分配值(BPA值),为解决各证据之间冲突问题,采用一种基于加权的方法来改进各条证据,以减小冲突;最后利用组合规则将各条改进的证据融合,得出最终诊断结果。研究基于某风场2 MW风电机组的实际运行数据,结果表明:随着融合信号维度的增加,最终诊断结果的准确率也逐步提高,融合多维信号的可靠性明显高于单一信号。     

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。