-
公开(公告)号：CN108073757A
公开(公告)日：2018-05-25
申请号：CN201710828302.1
申请日：2017-09-14
Applicant: 华北电力大学(保定)
IPC: G06F17/50
Abstract: 一种基于功率流的梁结构固有频率分析方法，所述方法包括以下步骤：a.确定梁结构的模型参数；b.建立梁结构的有限元模型，在梁指定处作用不同频率的简谐力，对梁结构进行模态分析，得到梁结构的模态信息；c.生成功率流模型，计算不同频率简谐力作用下的振动功率大小，得到不同频率简谐力作用下的功率流；d.绘制频率—功率曲线，找出功率流的各个极大值所对应的频率，这些频率即为梁结构的固有频率。本发明采用有限元功率流方法，根据振动能量的大小确定梁结构的固有频率。采用该方法对某些截面为矩形的简支梁结构进行分析时可以去除虚假模态，具有计算量小，计算精度高等优点，可以方便、准确地求得梁结构的固有频率。
-
公开(公告)号：CN103412145A
公开(公告)日：2013-11-27
申请号：CN201310361525.3
申请日：2013-08-19
Applicant: 华北电力大学(保定)
IPC: G01P13/04
Abstract: 本发明公开了轨迹检测技术领域的一种转子系统轴心轨迹进动方向自动识别方法。首先，设定采样频率，利用振动传感器采集转子的径向振动信号，并通过快速傅立叶变换FFT得到幅值谱；其次，采用相位差校正方法对转子振动信号中的主要频率成分进行校正后重构信号；最后，利用重构信号合成转子提纯轴心轨迹，并由提纯轴心轨迹通过局部弧段的进动方向识别得到整个轴心轨迹的进动方向。本发明方法从局部角度出发，对轴心轨迹各个局部弧段的进动方向进行识别，不受轴心轨迹复杂程度的影响，通用性更强。
-
公开(公告)号：CN117287352A
公开(公告)日：2023-12-26
申请号：CN202310864955.0
申请日：2023-07-14
Applicant: 华北电力大学(保定)
IPC: F03D17/00 , G06N3/0464 , G06N3/08
Abstract: 一种风电机组状态监测方法,所述方法包括以下步骤：a.数据预处理：①对风力发电机组SCADA数据集进行数据清洗；②确定神经网络模型的线性回归预测参数；③选择神经网络模型的输入参数；④设置训练集和测试集；b.神经网络模型的搭建；c.神经网络模型的训练；d.参数的预测；e.多参数联动分析计算；f.风力发电机组状态监测。本发明使用TCformer模型对风力发电机组各个部件的参数进行预测，并考虑到各部件间的相互影响，使用MCV对多参数进行联动分析，实现风力发电机组的状态监测，可及时发现风电机组的潜在故障，有助于合理制定维护计划，减少经济损失，保证电力系统的安全稳定运行。
-
公开(公告)号：CN109916626A
公开(公告)日：2019-06-21
申请号：CN201910193022.7
申请日：2019-03-14
Applicant: 华北电力大学(保定)
IPC: G01M13/045
Abstract: 本发明适用于轴承复合故障分离技术领域，提供了一种滚动轴承复合故障确定的方法及终端设备，该方法包括：获取滚动轴承的振动信号和不同故障的解卷积周期；根据不同故障的解卷积周期对所述振动信号进行解卷积处理，获得解卷积信号；对所述解卷积信号进行Teager峭度谱分析，提取所述滚动轴承的故障特征频率，并确定所述滚动轴承的复合故障类型，可以清晰并准确地分离提取出混合信号中的单一故障源信号，有效放大并提取出隐藏的微弱特征信息，从而全面、准确地甄别滚动轴承状态。
-
公开(公告)号：CN107121276A
公开(公告)日：2017-09-01
申请号：CN201710502266.X
申请日：2017-06-27
Applicant: 华北电力大学(保定)
IPC: G01M13/00
CPC classification number: G01M13/00
Abstract: 本发明公开了一种大功率风力机叶片疲劳试验加载装置。本装置包括装夹风电叶片试验部位的叶片夹具和位于叶片夹具上方的加载装置,其中加载装置包含：电机、减速器、输出轴、可调配重块、连杆、减速器底座。电机和减速器相连接，电机的输入扭矩经过减速器的变向和减速传递到输出轴，可调配重块与连杆相连接对称安装在输出轴的两端，减速器底座固定于叶片夹具用于支撑减速器。本发明一方面解决质量块自重偏大时会对叶片弦向产生严重偏载力矩的问题，提高测试的准确性；另一方面使减速器齿轮及输出轴处于平衡受力状态，延长了其使用寿命；并具有结构简单，拆装方便的特点。
-
Patent Agency Ranking
公开(公告)号：CN104483007B
公开(公告)日：2017-02-22
申请号：CN201410662722.3
申请日：2014-11-19
Applicant: 华北电力大学(保定)
IPC: G01H9/00
Abstract: 一种架空输电线路振动监测系统及监测方法，所述监测系统包括激光测振装置、铁塔控制器以及远程监控终端；所述激光测振装置通过导线连接铁塔控制器；铁塔控制器通过光纤复合架空地线连接远程监控终端；所述铁塔控制器包括机箱，机箱内设置有供电模块、通信模块、报警模块以及控制模块；所述控制模块分别与供电模块、通信模块和报警模块互连，通信模块通过光纤复合架空地线连接远程监控终端。本发明采用激光测振方法对输电线路的振动情况进行实时监测，提高了监测结果的精确性，由于本发明采用非接触方式测量、记录导线在振动过程中的运动轨迹，因此无需安装在输电线路上，降低了安装难度，减少了安装成本。
-
公开(公告)号：CN103439109B
公开(公告)日：2016-09-07
申请号：CN201310414203.0
申请日：2013-09-12
Applicant: 华北电力大学(保定)
IPC: G01M13/02
Abstract: 本发明涉及风力发电技术领域，尤其涉及一种风力发电机组传动系统故障预警的方法。该方法利用风力发电机组传动系统关键部位的温度信号和加速度值来对风力发电机组的传动系统进行监测。该方法是首先采集传动系统各个测点的实际温度值T(t)、传动系统的振动加速度值a(t)，然后计算风力发电机组振动加速度的峭度指标值和温度平均值，将所得到的参数与预先设定的阀值相比较，超过阀值后报警，然后通过对温度和峭度指标值与阀值的比较来确定风力发电机组传动系统的健康状况，此方法可以提高故障预警的准确率，对风机的停机保护和故障预警都能起到很好的促进效果，能够减少由于判断故障而导致的停机时间。
-
公开(公告)号：CN116894390A
公开(公告)日：2023-10-17
申请号：CN202310857370.6
申请日：2023-07-13
Applicant: 国网河南省电力公司电力科学研究院 , 华北电力大学(保定) , 国网河南省电力公司
IPC: G06F30/27 , G06F18/214 , G06N3/0442 , G01W1/10
Abstract: 本发明属于风速预测技术领域，具体涉及一种极端天气下风速预测方法和系统。所述方法包括如下步骤：利用ViT对风速子序列进行特征提取，利用LSTM建立所提取特征与输出风速之间的联系，搭建ViT‑LSTM的极端天气下风速预测模型；训练搭建的ViT‑LSTM的极端天气下风速预测模型；根据训练好的模型，预测下一时刻风速。本发明采用ViT和LSTM模型相结合的方法来预测极端天气下的风速，有效提取出气象因素特征信息，预测精度高。
-
公开(公告)号：CN114444218A
公开(公告)日：2022-05-06
申请号：CN202111212782.1
申请日：2021-10-19
Applicant: 华北电力大学(保定)
Abstract: 一种多工况下小样本滚动轴承故障诊断方法，所述方法包括以下步骤：a.构建成任务集；b.将任务集中的数据输入到ISDAE进行重构，得到保留了原始信号中的有效特征，并降低了噪声的重构信号矩阵；c.利用MAML对重构信号进行分类，训练MAML的模型参数，获得最优网络模型；d.将被监测滚动轴承的原始振动信号输入到训练好的MAML模型，判断滚动轴承是否存在故障及故障的类型。本发明采用模型无关与改进的稀疏降噪自编码相结合的方法来诊断轴承故障，不仅能够提取原始振动信号中的可分性特征，提高信号的抗噪声能力，而且能够提高模型的泛化能力，从而可准确地诊断多工况下小样本数据的轴承故障，保证机械设备安全运行。
-
公开(公告)号：CN112855442A
公开(公告)日：2021-05-28
申请号：CN202110060196.3
申请日：2021-01-18
Applicant: 华北电力大学(保定)
IPC: F03D7/04
Abstract: 本发明涉及一种基于振动和倾角的风机对风优化方法及系统，所述优化方法以下步骤：S1采用倾斜传感器监测风速平稳时风机塔筒偏斜在x轴或y轴方向上投影的倾斜角度θ，从而判断风向；S2采用振动传感器监测风速不稳定时风机塔筒的振动幅值在x轴及y轴向上投影的分量，从而可以根据矢量合成获得风向；S3将识别的风向数据反馈给风机偏航系统，风机偏航系统做出判断，调整叶片位置，实现风机对风优化。所述优化系统包括数据采集模块，无线传输模块以及通信模块；所述优化系统还包括传感器组，所述传感器组包括倾斜传感器和振动传感器。本发明利用风机塔筒在运行过程中产生的振动和倾斜角度对风向进行识别校准，具有低成本、高性能、高可靠性等特点。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.034 seconds)
